MCDMClassification Metric
Точност
Точността е пропорцията на верните предсказания спрямо общия брой на направените предсказания от класификационен модел. Това е най-интуитивната метрика за производителност и измерва колко често класификаторът прави верни предсказания като цяло, независимо от класа.
Прочетете целия метод
Само за членове
ВходВлезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/bg/model-evaluation/accuracy
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Балансирана точностОценка на модели↔ compare
- Матрица на объркванетоОценка на модели↔ compare
- F1-резултатОценка на модели↔ compare
- ПрецизностОценка на модели↔ compare
- Покритие (Чувствителност)Оценка на модели↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →