MCDMClassification Metric
دقت
دقت، نسبت پیشبینیهای صحیح به کل پیشبینیهای انجامشده توسط یک مدل طبقهبندی است. این معیار، شهودیترین معیار عملکرد است و نشان میدهد که طبقهبندیکننده در مجموع، صرفنظر از کلاس، چند بار پیشبینیهای صحیح انجام داده است.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/fa/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.
- دقت موزونارزیابی مدل↔ compare
- ماتریس سردرگمیارزیابی مدل↔ compare
- امتیاز F1ارزیابی مدل↔ compare
- دقتارزیابی مدل↔ compare
- بازیابی (حساسیت)ارزیابی مدل↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →