Précision équilibrée
La précision équilibrée (balanced accuracy) est la moyenne des valeurs de rappel (recall) calculées séparément pour chaque classe. Elle corrige le déséquilibre des classes en accordant un poids égal à la performance sur chaque classe, quelle que soit la fréquence de la classe dans l'ensemble de données.
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
- Brodersen, K. H., Ong, C. S., Stephan, K. E., & Buhmann, J. M. (2010). The balanced accuracy and its posterior distribution. 20th International Conference on Pattern Recognition (ICPR), 3121-3124. DOI: 10.1109/ICPR.2010.764 ↗
- 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). Balanced Classification Accuracy. ScholarGate. https://scholargate.app/fr/model-evaluation/balanced-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.
- ExactitudeÉvaluation de modèles↔ compare
- Score F1Évaluation de modèles↔ compare
- Coefficient de corrélation de MatthewsÉvaluation de modèles↔ compare
- Rappel (Sensibilité)Évaluation de modèles↔ compare
- SpécificitéÉvaluation de modèles↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →