MCDMClassification Metric
עֶרְכָּה (רגישות)
עֶרְכָּה מודדת את שיעור המקרים החיוביים האמיתיים שאותרו נכונה על ידי המסווג. היא עונה על השאלה: 'מכל המקרים שהיו חיוביים באמת, כמה מצאנו?' עֶרְכָּה קריטית בתרחישים שבהם החמצת מקרים חיוביים היא יקרה.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/he/model-evaluation/recall
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- דיוק מאוזןהערכת מודלים↔ השוואה
- מדד F1הערכת מודלים↔ השוואה
- מקדם המתאם של מתיוזהערכת מודלים↔ השוואה
- דיוק (Precision)הערכת מודלים↔ השוואה
- סגוליות (Specificity)הערכת מודלים↔ השוואה