一家公司将为一款新产品寄送促销包裹，并希望至少90%的潜在买家能收到这些材料。目前，一个线性学习器模型的召回率为80%，精确率为75%。公司应如何重新训练模型以优先达到90%的召回率？

为了达到至少90%的召回率，公司应该重新训练模型，将重点放在优化召回率上。将 targetrecall 超参数设置为90%会指示模型在训练过程中优先考虑达到这个召回目标。同时，将 binaryclassifiermodelselectioncriteria 设置为 recallattargetprecision 会确保模型选择的最终版本是在满足特定精确度要求（如果设置了）的前提下，召回率表现最好的模型。 第二个选项是错误的，因为它将目标设为精确度而非召回率。第三个选项（使用90%的历史数据训练并增加epoch）与召回率优化无关，且可能导致过拟合。第四个选项（启用 normalizelabel 并设置类别数量）是数据预处理和模型配置，与直接优化召回率的目标不符。