Arviointi ja luotettavuus
73 menetelmää tässä perheessä.
Esittelyssä
TarkkuusAccuracy is the proportion of correct predictions among the total number of predictions made by a classification model. It is the most intuitive performance metric and measures howOikaistu R² (R²_adj)Adjusted R² is a corrected version of the coefficient of determination that accounts for the number of predictors in a regression model. Introduced by Henri Theil in 1961, it addreSäädetty Rand-indeksiThe Adjusted Rand Index (ARI), developed by Hubert and Arabie in 1985, is an external clustering evaluation metric that measures the agreement between a predicted clustering and a Akaiken informaatiokriteeri (AIC)The Akaike Information Criterion is an information-theoretic measure for model selection that balances goodness of fit against model complexity. Introduced by Hirotugu Akaike in 19Tasapainotettu tarkkuusBalanced accuracy is the average of recall values computed for each class separately. It corrects for class imbalance by giving equal weight to the performance on each class, regarBrierin pisteytysThe Brier score measures the mean squared difference between predicted probabilities and actual binary outcomes. It is a simple, interpretable metric for evaluating the accuracy of
Lukupolku
Tämän aiheen viitatuimmat perusmenetelmät kehitysjärjestyksessään — hyvä aloituspaikka, jos olet täällä uusi.
Kaikki menetelmät 73
TarkkuusOikaistu R² (R²_adj)Säädetty Rand-indeksiAkaiken informaatiokriteeri (AIC)Tasapainotettu tarkkuusBrierin pisteytysBody Shape Questionnaire (BSQ)Calinski-Harabasz-indeksiKalorimetrin kalibrointiTietokonepohjaisen adaptiivisen testin tehtäväanalyysiTarkkuusmatriisiKontrafaktuaaliset selityksetDavies-Bouldin-indeksiDunn-indeksiKyynärpäämenetelmäSelitettävät assosiaatiosäännötSelitettävä autoenkooderin poikkeamien havaitseminenSelitettävä päätöspuuSelitettävä FP-GrowthSelitettävä Gaussinen sekoitusmalliSelitettävä Gaussinen prosessiSelitettävä HDBSCANSelitettävä Isolation ForestSelitettävä K-MeansSelitettävä K-lähimmän naapurin menetelmäSelitettävä LightGBMSelitettävä Naive BayesSelitettävä yhden luokan SVMSelitettävä Random ForestSelitettävä pinoamisensembleSelitettävä tukivektorikoneSelitettävä äänestysyhtye (Explainable Voting Ensemble)Selitettävä XGBoostF-beta-pisteetF1-pisteetOikeudenmukaisuustietoinen koneoppiminenFowlkes-Mallows-indeksiGap StatisticGeometrinen morfometriaGlaukooma Quality of Life-15Hamming-häviöInertiaJaccard-indeksiNostotaija ja hyötykaavioLIME: Paikalliset tulkittavat mallista riippumattomat selityksetLog-Loss (ristientropiahäviö)Pitkittäisanalyysi yksittäisistä mittareistaMakrokeskiarvoistettu F1Keskimääräinen absoluuttinen virhe (MAE)Keskimääräinen absoluuttinen prosentuaalinen virhe (MAPE)Mean Absolute Scaled Error (MASE)Keskineliövirhe (MSE)Mikrokeskiarvoistettu F1Mallin kalibrointiNormalisoitu keskinäinen informaatioTarkkuusPrecision-Recall AUCPrice Fairness ScaleSelitekerroin (R²)Tunnistus (herkkyys)Robusti Rasch-malliNeliöjuurikeskivirhe (RMSE)SHAP (SHapley Additive exPlanations)Lyhyt Rasch-malliLyhytmittarinen kohdevaste teoria (SF-IRT)SiluettikerroinSpesifisyysKyselypainotus ja kalibrointiSymmetric MAPE (sMAPE)Token Bucket -nopeudenrajoitusalgoritmiV-measurePainotettu F1Youdenin J-tilasto