Értékelés és megbízhatóság
73 módszer ebben a családban.
Kiemelt
Pontosság (Accuracy)Accuracy is the proportion of correct predictions among the total number of predictions made by a classification model. It is the most intuitive performance metric and measures howKorrigált R-négyzet (R²_adj)Adjusted R² is a corrected version of the coefficient of determination that accounts for the number of predictors in a regression model. Introduced by Henri Theil in 1961, it addreBeállított Rand-indexThe Adjusted Rand Index (ARI), developed by Hubert and Arabie in 1985, is an external clustering evaluation metric that measures the agreement between a predicted clustering and a Akaike-féle információs kritérium (AIC)The Akaike Information Criterion is an information-theoretic measure for model selection that balances goodness of fit against model complexity. Introduced by Hirotugu Akaike in 19Kiegyensúlyozott pontosságBalanced accuracy is the average of recall values computed for each class separately. It corrects for class imbalance by giving equal weight to the performance on each class, regarBrier-számThe Brier score measures the mean squared difference between predicted probabilities and actual binary outcomes. It is a simple, interpretable metric for evaluating the accuracy of
Olvasási útvonal
E témakör leggyakrabban hivatkozott alapmódszerei kidolgozásuk sorrendjében — kiindulópont, ha most ismerkedik a területtel.
Minden módszer 73
Pontosság (Accuracy)Korrigált R-négyzet (R²_adj)Beállított Rand-indexAkaike-féle információs kritérium (AIC)Kiegyensúlyozott pontosságBrier-számA testkép-szubjektivitás kérdőív (Body Shape Questionnaire, BSQ)Calinski-Harabasz-indexKaloriméter kalibrációElektronikus adaptív teszt tételanalíziseKonfúziós mátrixKontrafaktuális magyarázatokDavies-Bouldin IndexA Dunn-indexElbow MethodMagyarázható Asszociációs SzabályokMagyarázható autoenkóderes anomáliadetektálásÁttekinthető döntési faMagyarázható FP-növekedésMagyarázható Gauss-i keverékmodellMagyarázható Gausszián Folyam (XAI-GP)Magyarázható HDBSCANMagyarázható Izolációs ErdőMagyarázható K-MeansK-Nearest Neighbors magyarázhatóvá tétele (Explainable K-Nearest Neighbors)Magyarázható LightGBMMagyarázható Naiv BayesMagyarázható egyosztályú SVMMagyarázható Random ForestMagyarázható Stacking EnsembleMagyarázható Támogatott VektorgépMagyarázható szavazó-együttes modellMagyarázható XGBoostF-béta-mutatóF1-pontszámMérsékelt Torzítású Gépi TanulásFowlkes-Mallows IndexA Gap Statistic (rés statisztika)Geometriai MorfometriaGlaucoma Quality of Life-15Hamming-veszteségInerciaJaccard-indexLift és Gain diagramLIME: Helyi értelmezhető modellagnosztikus magyarázatokLog-Loss (Kereszt-Entrópia Vesztesség)Longitudinális TételanalízisMakrózott F1-pontszámÁtlagos Abszolút Hiba (MAE)A MAPE (Mean Absolute Percentage Error) – Átlagos Abszolút Százalékos HibaÁtlagos Abszolút Skálázott Hiba (MASE)A négyzetes hiba (Mean Squared Error, MSE)Mikroátlagolt F1ModellkalibrációNormalizált kölcsönös információPrecízióPR AUCPrice Fairness ScaleR-négyzet (R²)Szenzitivitás (Recall)Robusztus Rasch-modellNégyzetes középérték hiba (RMSE)SHAP (SHapley Additive exPlanations)Rövidített Rasch-modellRövidített Item Response Theory (SF-IRT)Silhouette pontszámSpecificitásSúlyozás és kalibráció felmérésekbenSzimmetrikus MAPE (sMAPE)Token Bucket sebességhatároló algoritmusV-mérésSúlyozott F1Youdens J-statisztika