召回率（Recall），也称为查全率，是机器学习分类问题中的一个核心评估指标，用于衡量模型识别所有相关正例实例的能力。具体而言，它表示模型正确预测的正例数量占实际所有正例数量的比例，计算公式为：真阳性（True Positive, TP）除以真阳性与假阴性（False Negative, FN）之和，即 Recall = TP / (TP + FN)。该指标强调模型在覆盖所有真实正例方面的表现，数值越高代表模型捕捉正例的能力越强。
在AI产品开发的实际落地中，召回率对产品经理至关重要，因为它直接影响系统的覆盖完整性和用户体验。例如，在推荐系统中，高召回率确保尽可能多的用户潜在兴趣项目被呈现，避免遗漏关键内容；在医疗诊断AI中，高召回率能减少漏诊风险，提升筛查效率。然而，召回率常与精确率（Precision）形成权衡关系，产品设计需根据场景需求（如安全优先或效率优先）动态调整模型参数，以实现最佳业务目标。
延伸阅读推荐：周志华的《机器学习》（清华大学出版社，2016年）详细阐述了召回率及其他评估指标的数学原理与应用实践。
免费模拟面试：试试能否通过大厂“AI产品经理”面试？