MCDMClassification Metric
Ακρίβεια
Η ακρίβεια (accuracy) είναι το ποσοστό των σωστών προβλέψεων επί του συνολικού αριθμού προβλέψεων που έγιναν από ένα μοντέλο ταξινόμησης. Αποτελεί την πιο διαισθητική μετρική απόδοσης και μετρά πόσο συχνά ο ταξινομητής κάνει σωστές προβλέψεις συνολικά, ανεξαρτήτως κλάσης.
Διαβάστε ολόκληρη τη μέθοδο
Μόνο για μέλη
ΣύνδεσηΣυνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/el/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.
- Σταθμισμένη ΑκρίβειαΑξιολόγηση Μοντέλων↔ compare
- Πίνακας ΣύγχυσηςΑξιολόγηση Μοντέλων↔ compare
- Βαθμολογία F1Αξιολόγηση Μοντέλων↔ compare
- Ακρίβεια (Precision)Αξιολόγηση Μοντέλων↔ compare
- Ανάκληση (Ευαισθησία)Αξιολόγηση Μοντέλων↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →