提升分类模型召回率需从阈值调整、类别平衡、算法选择、特征工程四层协同优化：降低预测阈值（如0.3）、用SMOTE/Tomek处理不平衡、选用scale_pos_weight或focal loss的模型、构造正样本敏感特征，并以业务漏判代价为优化标尺。
提升分类模型的召回率，核心是让模型更“敏感”——宁可多抓几个假阳性，也不能漏掉真实正样本。这在医疗诊断、故障预警、欺诈识别等场景中尤为关键。
调整分类阈值（最直接有效）
默认阈值0.5常导致召回不足。通过降低阈值（如设为0.3），更多样本被划入正类，召回率上升，代价是精确率下降。
- 用sklearn.metrics.precision_recall_curve获取不同阈值下的P-R曲线
- 根据业务容忍度选点：比如要求召回≥90%，就取满足该条件的最高可能精确率对应的阈值
- 部署时保存并固定该阈值，避免每次predict_proba后硬套0.5
重采样缓解类别不平衡
当正样本极少（如1%），模型倾向全判负——自然召回为0。需主动干预数据分布：
- 过采样：用SMOTE生成合成正样本（注意别在测试集上做！）
- 欠采样：随机删减多数类，或使用Tomek Links剔除边界噪声
- 更稳的做法：组合策略，如SMOTE+Tomek，或直接用imbalanced-learn库的RandomOverSampler + RandomUnderSampler
选用更适合高召回的算法与损失函数
不是所有模型天生对召回友好。有些结构更倾向“保守预测”，有些则更易激活正类响应：
立即学习“Python免费学习笔记（深入）”；
- 树模型（如XGBoost、LightGBM）可通过scale_pos_weight参数显式补偿正负样本比，直接提升正类预测倾向
- 逻辑回归/神经网络改用focal loss（聚焦难分正样本），或加权交叉熵（class_weight='balanced'）
- 避免使用过于“精确导向”的模型变体，例如某些高度剪枝的决策树可能牺牲召回换精度
特征工程向正样本判别倾斜
召回低，常因模型找不到区分正样本的关键信号。特征层面可针对性强化：
- 构造正样本特有模式特征：如在风控中，加入“近3天登录IP跨省次数”这类异常行为聚合指标
- 用SHAP值或feature_importances_检查哪些特征实际推动了正类预测，若关键业务特征权重低，说明表达不足，需重构
- 对稀疏正样本，尝试聚类正样本自身（如DBSCAN），再用簇中心距离作为新特征，帮模型定位“正类区域”
基本上就这些。召回率优化不是单点技巧，而是从数据、模型、阈值、特征四层协同调整的过程。关键是始终以业务漏判代价为标尺，而不是盲目追求数字提升。
