GEE混淆矩阵Recall

根据引用[1]中的定义，混淆矩阵可以用来计算分类算法的准确率、精确率、召回率和F1得分等指标。其中，召回率（Recall）是指分类器正确识别出的正样本数占所有正样本数的比例，即：
Recall = TP / (TP + FN)
其中，TP表示真正例（True Positive），即实际为正例且被分类器预测为正例的样本数；FN表示假反例（False Negative），即实际为正例但被分类器预测为负例的样本数。

在GEE中，可以使用混淆矩阵来评估分类算法的性能，包括计算召回率。具体步骤如下：
1. 在GEE中加载分类结果图层和真实分类图层。
2. 使用reduceRegion()函数将分类结果图层和真实分类图层转换为图像区域，得到两个区域对象。
3. 使用confusionMatrix()函数计算混淆矩阵，得到一个包含混淆矩阵信息的字典对象。
4. 从混淆矩阵字典对象中获取真正例（TP）和假反例（FN）的数量，计算召回率。

下面是一个示例代码，演示如何在GEE中计算分类算法的召回率：

// 加载分类结果图层和真实分类图层
var classified = ee.Image('CLASSIFIED_IMAGE');
var reference = ee.Image('REFERENCE_IMAGE');

// 将图层转换为图像区域
var classifiedRegion = classified.reduceRegion({
 reducer: ee.Reducer.mode(),
  geometry: geometry,
  scale: 30,
  maxPixels: 1e9
});

var referenceRegion = reference.reduceRegion({
  reducer: ee.Reducer.mode(),
  geometry: geometry,
  scale: 30,
  maxPixels: 1e9
});

// 计算混淆矩阵
var confusionMatrix = ee.ConfusionMatrix(classifiedRegion.get('classification'), referenceRegion.get('classification'));

// 获取真正例和假反例的数量
var TP = confusionMatrix.get('truePositives');
var FN = confusionMatrix.get('falseNegatives');

// 计算召回率
var recall = TP.divide(TP.add(FN));
print('Recall:', recall);