W kontekście uczenia maszynowego, "czułość" (ang. sensitivity) odnosi się do zdolności modelu do rozpoznawania i wykrywania małych zmian lub różnic w danych. Jest to ważne cecha modelu, zwłaszcza w przypadkach, gdy dane są zróżnicowane lub mają duże rozmiary.
Czułość modelu może być określana jako zdolność modelu do:
Rozpoznawania małych zmian w danych
Wykrywania różnic w danych
Określania prawdopodobieństwa wystąpienia określonego zjawiska lub zmiany w danych
W praktyce, czułość modelu może być oceniana za pomocą różnych miar, takich jak:
Wrażliwość (sensitivity) - określa zdolność modelu do rozpoznawania małych zmian w danych
Specyficzność (specificity) - określa zdolność modelu do unikania fałszywych alarmów
Precyzja (precision) - określa zdolność modelu do określania prawidłowych wyników
Dobry model powinien mieć odpowiedni poziom czułości, aby być skuteczny w rozpoznawaniu i wykrywaniu zmian w danych.