Recall=将正类预测为正类/（将正类预测为正类+将正类预测为负类）

对于属性值YES的查全率（Recall），首先需要明确查全率的定义。查全率（Recall）也称为灵敏度（Sensitivity）或真正率（True Positive Rate），它表示在所有实际为正类（YES）的样本中，被正确识别为正类（YES）的比例。

根据混淆矩阵的定义：
- A 表示真正类（True Positive, TP），即实际为YES且预测为YES的数量。
- B 表示假正类（False Positive, FP），即实际为NO但预测为YES的数量。
- C 表示假负类（False Negative, FN），即实际为YES但预测为NO的数量。
- D 表示真负类（True Negative, TN），即实际为NO且预测为NO的数量。

查全率（Recall）的计算公式为：
\[ \text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}} = \frac{A}{A + C} \]

因此，正确答案是 B: A/(A+C)。

专业分析：
- 查全率（Recall）关注的是在所有实际为正类的样本中，有多少被正确地识别为正类。它衡量的是模型对正类样本的识别能力。
- 在实际应用中，查全率高意味着模型能够更好地识别出正类样本，减少漏检的情况。
- 查全率与查准率（Precision）一起使用，可以全面评估分类模型的性能。查准率关注的是被预测为正类的样本中有多少是真正的正类，而查全率关注的是实际为正类的样本中有多少被正确预测为正类。

希望这个解释对您有所帮助！如果还有其他问题，请随时提问。