召回率和准确率一样吗

召回率和准确率不是一回事，它们都是评估分类模型性能的重要指标，但在特定场景下衡量的角度有所不同：

1. **召回率**（Recall）：是指真正例（True Positives, TP）占所有实际正例（True Positives + False Negatives, TN+FN）的比例。它是度量模型识别出所有实际正例的能力，对于关注漏检（False Negative, FN）较多的情况非常重要，如疾病检测、安全预警等。

2. **准确率**（Accuracy）：则是指预测正确的样本数占总样本数的比例，包括真正例和真负例（True Positives + True Negatives, TP+TN）。准确率强调的是整体预测的正确情况，但它对类别不平衡的问题不够敏感，比如在一个严重偏斜的分类问题中，高比例的多数类别错误可能导致很高的准确率，但实际上模型对少数类别识别能力很差。

简而言之，召回率更侧重于找到所有的正例，而准确率则衡量了总体预测是否都正确。在实际应用中，需要根据业务需求选择合适的评价指标。如果关注的是查找并防止错漏，那么召回率更重要；如果注重全面的判断精度，则要考虑准确率。