一位 ML 工程師正在為生產選擇模型，其中誤報 (false negative) 的成本遠高於誤判 (false positive)。工程師在選擇模型時，應最優先考慮哪個指標？

在生產環境中，誤報（false negative）的成本遠高於誤判（false positive），這表示我們希望盡可能減少遺漏真實的正例。召回率（recall），又稱靈敏度（sensitivity），衡量的是所有實際為正例的樣本中，模型正確預測為正例的比例。因此，優先考慮高召回率能確保模型能捕捉到絕大多數的正例，從而有效降低誤報的風險。 低精確率（precision）或高精確率（precision）主要關注的是模型預測為正例的樣本中，有多少是真正的正例，這與減少誤報的目標不直接相關。低召回率（recall）則會導致大量的誤報，這與題目要求相悖。