召回率（也叫查全率）（Recall）: 真正的正样本中有多少预测正确（即被预测 为正样本）。根据定义，本题选C。

正确答案是A: A/(A+C)。

召回率（Recall）是衡量分类模型在识别正类样本（即实际为正类的样本）方面的能力的指标。其计算公式是：

召回率 = 真正例（True Positive, TP） / （真正例（True Positive, TP） + 假负例（False Negative, FN））

在选项中，A/(A+C) 对应的是：
- A：真正例（True Positive, TP）
- C：假负例（False Negative, FN）

因此，A/(A+C) 正确地反映了召回率的计算公式。

专业分析：
召回率的高低直接反映了模型在检测正类样本时的敏感性。高召回率意味着模型能够识别出大多数的正类样本，但这并不意味着模型的整体性能好，因为它没有考虑假正例（False Positive, FP）的影响。通常，召回率和精确率（Precision）一起使用，通过F1分数来综合评估模型的性能。

F1分数 = 2 * (精确率 * 召回率) / (精确率 + 召回率)

这种综合评估可以更全面地反映模型在处理分类问题时的表现。