MCDMClassification Metric
Tundlikkus (Recall)
Tundlikkus mõõdab nende tegelike positiivsete juhtumite osakaalu, mida klassifitseerija õigesti tuvastas. See vastab küsimusele: 'Kõigist juhtumitest, mis olid tõeliselt positiivsed, kui paljud me leidsime?' Tundlikkus on kriitilise tähtsusega stsenaariumides, kus positiivsete juhtumite puudumine on kulukas.
Loe meetodi täielikku kirjeldust
Ainult liikmetele
Logi sisseSelle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/et/model-evaluation/recall
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Tasakaalustatud täpsusMudelite hindamine↔ võrdle
- F1-hinneMudelite hindamine↔ võrdle
- Matthews' korrelatsioonikoefitsientMudelite hindamine↔ võrdle
- TäpsusMudelite hindamine↔ võrdle
- SpetsiifilisusMudelite hindamine↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →