再現率（Recall／感度）は、実際に陽性である対象のうち、モデルが陽性と正しく検出できた割合です。本記事は公式暗記に加え、試験で問われる見逃し（偽陰性）の業務意味・適合率とのトレードオフに焦点を当てます。
試験で問われる見方
○：再現率は本来陽性をどれだけ拾えたか（TF-046）。見逃しを減らしたい場面で重要。
病気スクリーニングでは偽陰性を減らすため再現率を重視（G-084）。適合率は「陽性と言ったうちの正しさ」で目的が異なる。
定義のイメージ
再現率 ＝ TP ÷ (TP ＋ FN)
混同行列では実際が陽性だった行（TP＋FN）のうち TP の割合です。FN（偽陰性）が多いと再現率は下がります。
重視する場面
- 医療スクリーニング — 患者の見逃しを避けたい
- 不正・異常検知 — インシデントの取りこぼしを減らす
- 情報検索 — 関連文書の網羅（別文脈では「リコール」と呼ぶことも）
適合率とのトレードオフ
閾値を下げると陽性判定が増え、再現率は上がりやすい一方、適合率は下がりやすいです。両方をバランスする指標がF1スコアです。
よくある質問
感度と再現率は同じ？
二値分類では同じ概念として扱われることが多いです。試験ではRecall＝再現率で問題ありません。
再現率100%が理想？
必ずしも。すべてを陽性と予測すれば再現率は1ですが、適合率が極端に下がります。業務目的でバランスを取ります。