Präzision
Präzision misst den Anteil der positiven Vorhersagen, die tatsächlich korrekt waren. Sie beantwortet die Frage: „Von allen Fällen, die wir als positiv vorhergesagt haben, wie viele waren wirklich positiv?“ Präzision ist in Szenarien entscheidend, in denen Fehlalarme (false positives) kostspielig sind.
Die vollständige Methode lesen
Melden 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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Precision (Positive Predictive Value). ScholarGate. https://scholargate.app/de/model-evaluation/precision
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 →