MCDMClassification Metric
Acurácia Balanceada
A acurácia balanceada é a média dos valores de recall calculados para cada classe separadamente. Ela corrige o desbalanceamento de classes atribuindo peso igual ao desempenho em cada classe, independentemente da frequência da classe no conjunto de dados.
Leia o método completo
Exclusivo para membros
EntrarEntre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Balanced Classification Accuracy. ScholarGate. https://scholargate.app/pt/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.
- AcuráciaAvaliação de modelos↔ compare
- F1-ScoreAvaliação de modelos↔ compare
- Coeficiente de Correlação de MatthewsAvaliação de modelos↔ compare
- SensibilidadeAvaliação de modelos↔ compare
- EspecificidadeAvaliação de modelos↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →