MCDMClassification Metric
Zrównoważona dokładność
Zrównoważona dokładność to średnia z wartości czułości (recall) obliczonych oddzielnie dla każdej klasy. Koryguje ona niezbalansowanie klas, przypisując równe wagi wydajności dla każdej klasy, niezależnie od jej częstości w zbiorze danych.
Przeczytaj pełny opis metody
Tylko dla członków
Zaloguj sięZaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Brodersen, K. H., Ong, C. S., Stephan, K. E., & Buhmann, J. M. (2010). The balanced accuracy and its posterior distribution. 20th International Conference on Pattern Recognition (ICPR), 3121-3124. DOI: 10.1109/ICPR.2010.764 ↗
- 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). Balanced Classification Accuracy. ScholarGate. https://scholargate.app/pl/model-evaluation/balanced-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.
- Dokładność (Accuracy)Ocena modeli↔ compare
- Wynik F1Ocena modeli↔ compare
- Współczynnik korelacji Matthews’aOcena modeli↔ compare
- Czułość (Recall)Ocena modeli↔ compare
- SpecyficznośćOcena modeli↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →