Especificidade
Especificidade mede a proporção de casos negativos reais que foram corretamente identificados como negativos pelo classificador. Responde à pergunta: 'De todos os casos que eram verdadeiramente negativos, quantos rejeitamos corretamente?' A especificidade é complementar à sensibilidade (recall) e é essencial quando os falsos positivos são custosos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
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). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/pt/model-evaluation/specificity
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.
- Acurácia BalanceadaAvaliação de modelos↔ compare
- F1-ScoreAvaliação de modelos↔ compare
- Coeficiente de Correlação de MatthewsAvaliação de modelos↔ compare
- PrecisãoAvaliação de modelos↔ compare
- SensibilidadeAvaliação de modelos↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →