MCDMClassification Metric
Balanced Accuracy
Balanced accuracy ist der Durchschnitt der Recall-Werte, die für jede Klasse separat berechnet werden. Sie korrigiert für Klassenungleichgewichte, indem sie der Leistung jeder Klasse gleiches Gewicht verleiht, unabhängig von ihrer Häufigkeit im Datensatz.
Die vollständige Methode lesen
Nur für Mitglieder
AnmeldenMelden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Brodersen, K. H., Ong, C. S., Stephan, K. E., & Buhmann, J. M. (2010). The balanced accuracy and its posterior distribution. 20th International Conference on Pattern Recognition (ICPR), 3121-3124. DOI: 10.1109/ICPR.2010.764 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Balanced Classification Accuracy. ScholarGate. https://scholargate.app/de/model-evaluation/balanced-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.
- GenauigkeitModellevaluation↔ compare
- F1-ScoreModellevaluation↔ compare
- Matthews-KorrelationskoeffizientModellevaluation↔ compare
- Recall (Sensitivität)Modellevaluation↔ compare
- SpezifitätModellevaluation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →