MCDMClassification Metric
الاستدعاء (الحساسية)
يقيس الاستدعاء نسبة الحالات الإيجابية الفعلية التي تم تحديدها بشكل صحيح بواسطة المصنف. يجيب على السؤال: 'من بين جميع الحالات التي كانت إيجابية حقًا، كم عدد الحالات التي عثرنا عليها؟' يُعد الاستدعاء حاسمًا في السيناريوهات التي يكون فيها فقدان الحالات الإيجابية مكلفًا.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. DOI: 10.1016/j.patrec.2005.10.010 ↗
- Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/ar/model-evaluation/recall
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- الدقة المتوازنةتقييم النماذج↔ قارن
- مقياس F1 (F1-Score)تقييم النماذج↔ قارن
- معامل ارتباط ماثيوز (MCC)تقييم النماذج↔ قارن
- الدقةتقييم النماذج↔ قارن
- النوعيةتقييم النماذج↔ قارن