正确答案是：C: 模型描述的简洁度

### 专业分析：

在机器学习和分类器的评价中，常用的指标包括：

- **A: 预测准确度（Accuracy）**
预测准确度是指模型预测正确的样本数占总样本数的比例。它是最基本的评价指标之一，反映了模型整体的正确率。

- **B: 查全率（Recall）**
查全率是指正确预测的正例样本数占所有实际为正例样本数的比例，也称为灵敏度。它非常重要，尤其是在关注漏检风险的应用中。

- **C: 模型描述的简洁度**
这是一个与模型评价无关的特性。简洁度更多衡量的是模型的复杂性或可解释性，而不是其性能或质量。在比较和评价分类器性能时，模型描述的简洁度通常不被作为标准尺度。

- **D: 计算复杂度（Computational Complexity）**
计算复杂度考察算法在运行时所需的计算资源（时间、内存等），虽然不直接评价模型性能，但在实际应用中非常关键。特别是对于大规模数据集或需要实时响应的系统中，计算复杂度可能影响算法的可用性。

综上所述，模型描述的简洁度虽然是构建和选择模型时可能考虑的因素，但它通常不被作为评价或比较算法性能的直接尺度。