計算準確性指標：Recall
Recall（召回率）是用來衡量分類演算法準確性的另一個重要指標。它的計算方式是：將 True Positives 除以 True Positives 與 False Negatives 之和，也就是 $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$
如果沒有任何 False Negatives，則 recall 分數等於 1。 如果沒有任何 True Positives，則 recall 分數等於 0。
在這個練習中，你將使用 sklearn 的 recall_score 函式，為你的一開始的分類模型計算 recall 分數。
變數 features_test 與 target_test 已經在你的工作空間中可用。
本練習屬於課程
HR 分析：用 Python 預測員工流失
練習說明
- 匯入用來計算 recall 分數的函式。
- 使用初始模型根據測試集的特徵來預測是否會流失。
- 比較
target_test與預測結果，計算 recall 分數。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)