MCDMClassification Metric
Přesnost
Přesnost je podíl správných predikcí z celkového počtu predikcí provedených klasifikačním modelem. Je to nejintuitivnější metrika výkonnosti a měří, jak často klasifikátor celkově provádí správné predikce, bez ohledu na třídu.
Přečíst celou metodu
Pouze pro členy
Přihlásit sePro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/cs/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.
- Vyvážená přesnostHodnocení modelů↔ compare
- Matice záměnHodnocení modelů↔ compare
- F1-skóreHodnocení modelů↔ compare
- PřesnostHodnocení modelů↔ compare
- Citlivost (senzitivita)Hodnocení modelů↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →