MCDMClassification Metric
Dokładność (Accuracy)
Dokładność to odsetek poprawnych przewidywań w stosunku do całkowitej liczby przewidywań dokonanych przez model klasyfikacyjny. Jest to najbardziej intuicyjna metryka wydajności, mierząca, jak często klasyfikator dokonuje poprawnych przewidywań ogólnie, niezależnie od klasy.
Przeczytaj pełny opis metody
Tylko dla członków
Zaloguj sięZaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/pl/model-evaluation/accuracy
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Zrównoważona dokładnośćOcena modeli↔ porównaj
- Macierz pomyłekOcena modeli↔ porównaj
- Wynik F1Ocena modeli↔ porównaj
- PrecyzjaOcena modeli↔ porównaj
- Czułość (Recall)Ocena modeli↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →