Modellértékelés

41 módszer.

Classification Metric 13

Pontosság (Accuracy)Kiegyensúlyozott pontosság F-béta-mutató F1-pontszám Makrózott F1-pontszám Matthews-féle korrelációs együttható Mikroátlagolt F1 Precízió PR AUC Szenzitivitás (Recall)Specificitás Súlyozott F1 Youdens J-statisztika

External Clustering Validation 4

Beállított Rand-index Fowlkes-Mallows Index Normalizált kölcsönös információ V-mérés

Clustering Validation 4

Calinski-Harabasz-index Davies-Bouldin Index A Dunn-index Silhouette pontszám

Error metric 3

Átlagos Abszolút Hiba (MAE)A négyzetes hiba (Mean Squared Error, MSE)Négyzetes középérték hiba (RMSE)

Regression evaluation 2

Korrigált R-négyzet (R²_adj)R-négyzet (R²)

Information-theoretic criterion 2

Akaike-féle információs kritérium (AIC)Bayes-információs kritérium (BIC)

Probabilistic Loss Metric 2

Brier-szám Log-Loss (Kereszt-Entrópia Vesztesség)

Cluster Number Selection 2

Elbow Method A Gap Statistic (rés statisztika)

Multi-label Metric 2

Hamming-veszteség Jaccard-index

Relative error metric 2

A MAPE (Mean Absolute Percentage Error) – Átlagos Abszolút Százalékos Hiba Szimmetrikus MAPE (sMAPE)

Diagnostic Tool 1

Konfúziós mátrix

Statistical testing 1

Jó illeszkedés tesztelése

Cluster Cohesion Measure 1

Classification Evaluation Tool 1

Lift és Gain diagram

Scaled error metric 1

Átlagos Abszolút Skálázott Hiba (MASE)