Exactitude
L'exactitude est la proportion de prédictions correctes parmi le nombre total de prédictions effectuées par un modèle de classification. C'est la métrique de performance la plus intuitive et elle mesure la fréquence à laquelle le classificateur fait des prédictions correctes dans l'ensemble, indépendamment de la classe.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/fr/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.
- Précision équilibréeÉvaluation de modèles↔ compare
- Matrice de confusionÉvaluation de modèles↔ compare
- Score F1Évaluation de modèles↔ compare
- PrécisionÉvaluation de modèles↔ compare
- Rappel (Sensibilité)Évaluation de modèles↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →