Rappel

Motivation

Diagnostiquer la capacité à trouver les bonnes réponses.

Analyse

Le rappel représente la capacité à éviter les erreurs de type 2 que sont les faux négatifs. Il représente donc la capacité à être exhaustif dans les bonnes réponses. C'est donc est la proportion de bonnes réponses fournies dans l'ensemble des bonnes réponses possibles.

C'est-à-dire la proportion de prédictions correctes (vrais positifs) par rapport à l'ensemble des positifs réels (vrais positifs et faux négatifs).

Conception

`R = "vrais positifs"/("vrais positifs" + "faux négatifs")`

Exemples

• Dans un système de classification de pourriels (spam mail), le rappel représenterait le nombre d'emails réels identifiés correctement.
• Dans un système de recherche de documents, il s'agirait de la proportion de documents corrects sur le total des documents pertinents pour cette recherches. Par exemple si une recherche retourne 60 documents sur 100 disponibles, et que seuls 50 sont réellement pertinents, le rappel sera de `100/50 = 2 = 0,5`, soit 50% s1Lemire, Daniel: "Précision et rappel", INF 6460. Si seuls 6 documents avaient été retournés corrects sont retournés sur 12 potentiellement corrects le rappel aurait été de `6/12 = 0,5` soit 50% également.
• Il est facile de fournir un système avec un rappel de 100 % : il suffit de retourner le total des réponses possibles pour être sûr de ne pas en manquer une. Mais la précision en sera très mauvaise (à moins que par chance la requête ait réellement visé tous les réponses possibles).
• Le rappel est utilisé dans le calcul du score de fiabilité F1.