MCDMClassification Metric
Akurasi
Akurasi adalah proporsi prediksi yang benar di antara jumlah total prediksi yang dibuat oleh model klasifikasi. Ini adalah metrik kinerja yang paling intuitif dan mengukur seberapa sering pengklasifikasi membuat prediksi yang benar secara keseluruhan, terlepas dari kelasnya.
Baca metode selengkapnya
Khusus anggota
MasukMasuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/id/model-evaluation/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.
- Akurasi SeimbangEvaluasi Model↔ compare
- Matriks KebingunganEvaluasi Model↔ compare
- Skor-F1Evaluasi Model↔ compare
- PresisiEvaluasi Model↔ compare
- Recall (Sensitivitas)Evaluasi Model↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →