一位机器学习工程师正在为生产选择模型，其中假阴性预测的成本远高于假阳性预测。在选择模型时，工程师最应该优先考虑哪个指标？

在这种情况下，假阴性（模型预测为负，但实际为正）的成本很高。这意味着我们不能错过任何一个正例。召回率（也称为敏感度）衡量的是模型正确识别所有实际正例的能力。高召回率意味着模型能够捕获绝大多数正例，从而最大限度地减少代价高昂的假阴性。 低精确率（模型预测为正，但实际为负）意味着模型有很多假阳性。虽然这可能导致一些不必要的检查或干预，但其成本低于错过一个真正的正例。因此，高召回率是首要考虑的指标。