Gevoeligheid (Recall)
Recall meet het percentage van de werkelijke positieve gevallen dat correct werd geïdentificeerd door de classificator. Het beantwoordt de vraag: 'Van alle gevallen die werkelijk positief waren, hoeveel hebben we gevonden?' Recall is cruciaal in scenario's waar het missen van positieve gevallen kostbaar is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/nl/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.
- Gebalanceerde nauwkeurigheidModelevaluatie↔ compare
- F1-scoreModelevaluatie↔ compare
- Matthews CorrelatiecoëfficiëntModelevaluatie↔ compare
- PrecisieModelevaluatie↔ compare
- SpecificiteitModelevaluatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →