Покритие (Чувствителност)
Покритието измерва пропорцията на действителните положителни случаи, които са били правилно идентифицирани от класификатора. Отговаря на въпроса: „От всички случаи, които са били наистина положителни, колко открихме?“ Покритието е от решаващо значение в сценарии, където пропускането на положителни случаи е скъпо.
Прочетете целия метод
Влезте 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). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/bg/model-evaluation/recall
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
- F1-резултатОценка на модели↔ compare
- Коефициент на корелация на МатюсОценка на модели↔ compare
- ПрецизностОценка на модели↔ compare
- СпецифичностОценка на модели↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →