Tunnistus (herkkyys)
Tunnistus mittaa niiden todellisten positiivisten tapausten osuutta, jotka luokittelija tunnisti oikein. Se vastaa kysymykseen: 'Kaikista tapauksista, jotka olivat todella positiivisia, kuinka monta löysimme?' Tunnistus on kriittinen tilanteissa, joissa positiivisten tapausten menettäminen on kallista.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/fi/model-evaluation/recall
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Tasapainotettu tarkkuusMallien arviointi↔ vertaa
- F1-pisteetMallien arviointi↔ vertaa
- Matthews-korrelaatiokerroinMallien arviointi↔ vertaa
- TarkkuusMallien arviointi↔ vertaa
- SpesifisyysMallien arviointi↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →