计算准确性指标：召回率
Recall（召回率）是衡量分类算法准确性的另一个重要指标。它被计算为真正例数占真正例与假负例之和的比例，即： $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$
如果没有假负例，召回率等于 1。 如果没有真正例，召回率等于 0。
在本练习中，您将使用 sklearn 函数 recall_score 为初始分类模型计算召回率。
变量 features_test 和 target_test 已在您的工作区中可用。
本练习是课程的一部分
HR Analytics：用 Python 预测员工流失
练习说明
- 导入用于计算召回率的函数。
- 使用初始模型基于测试集的特征预测离职（churn）。
- 通过比较
target_test与预测结果来计算召回率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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, ____)