MCDMClassification Metric
דיוק מאוזן
דיוק מאוזן הוא הממוצע של ערכי רגישות (recall) המחושבים עבור כל מחלקה בנפרד. הוא מתקן חוסר איזון בין מחלקות על ידי מתן משקל שווה לביצועים בכל מחלקה, ללא תלות בתדירות המחלקה במערך הנתונים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Balanced Classification Accuracy. ScholarGate. https://scholargate.app/he/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.
- דיוקהערכת מודלים↔ compare
- מדד F1הערכת מודלים↔ compare
- מקדם המתאם של מתיוזהערכת מודלים↔ compare
- עֶרְכָּה (רגישות)הערכת מודלים↔ compare
- סגוליות (Specificity)הערכת מודלים↔ compare