MCDMClassification Metric
Citlivost (senzitivita)
Citlivost (recall) měří podíl skutečně pozitivních případů, které klasifikátor správně identifikoval. Odpovídá na otázku: „Ze všech případů, které byly skutečně pozitivní, kolik jsme jich našli?“ Citlivost je klíčové ve scénářích, kde je nákladné zmeškat pozitivní případy.
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). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/cs/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.
- Vyvážená přesnostHodnocení modelů↔ compare
- F1-skóreHodnocení modelů↔ compare
- Matthewsův korelační koeficientHodnocení modelů↔ compare
- PřesnostHodnocení modelů↔ compare
- SpecificitaHodnocení modelů↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →