Specificitás
A specificitás az azon ténylegesen negatív esetek arányát méri, amelyeket a klasszifikátor helyesen azonosított negatívként. Azt a kérdést válaszolja meg: „Az összes valóban negatív eset közül hányat utasítottunk el helyesen?” A specificitás komplementer a recall-nak, és alapvető fontosságú, ha a téves pozitívok költségesek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/hu/model-evaluation/specificity
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.
- Kiegyensúlyozott pontosságModellértékelés↔ compare
- F1-pontszámModellértékelés↔ compare
- Matthews-féle korrelációs együtthatóModellértékelés↔ compare
- PrecízióModellértékelés↔ compare
- Szenzitivitás (Recall)Modellértékelés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →