Sensibilidade
A sensibilidade mede a proporção de casos positivos reais que foram identificados corretamente pelo classificador. Ela responde à pergunta: 'De todos os casos que foram verdadeiramente positivos, quantos encontramos?' A sensibilidade é crítica em cenários onde a omissão de casos positivos é custosa.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/pt/model-evaluation/recall
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Acurácia BalanceadaAvaliação de modelos↔ comparar
- F1-ScoreAvaliação de modelos↔ comparar
- Coeficiente de Correlação de MatthewsAvaliação de modelos↔ comparar
- PrecisãoAvaliação de modelos↔ comparar
- EspecificidadeAvaliação de modelos↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →