MCDMClassification Metric
Deria (Sensitiviti)
Deria mengukur kadar kes positif sebenar yang berjaya dikenal pasti oleh pengklasifikasi. Ia menjawab persoalan: 'Daripada semua kes yang benar-benar positif, berapa banyak yang kita temui?' Deria adalah kritikal dalam senario di mana kehilangan kes positif adalah kos yang tinggi.
Baca kaedah sepenuhnya
Ahli sahaja
Log masukLog masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/ms/model-evaluation/recall
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 SeimbangPenilaian Model↔ compare
- Skor F1Penilaian Model↔ compare
- Koefisien Korelasi MatthewsPenilaian Model↔ compare
- KepersisanPenilaian Model↔ compare
- Ketepatan (Specificity)Penilaian Model↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →