Evaluare și încredere
73 metode în această familie.
Recomandate
AcuratețeAccuracy is the proportion of correct predictions among the total number of predictions made by a classification model. It is the most intuitive performance metric and measures howR-pătrat ajustat (R²_adj)Adjusted R² is a corrected version of the coefficient of determination that accounts for the number of predictors in a regression model. Introduced by Henri Theil in 1961, it addreIndexul Rand AjustatThe Adjusted Rand Index (ARI), developed by Hubert and Arabie in 1985, is an external clustering evaluation metric that measures the agreement between a predicted clustering and a Criteriul de Informație Akaike (AIC)The Akaike Information Criterion is an information-theoretic measure for model selection that balances goodness of fit against model complexity. Introduced by Hirotugu Akaike in 19Acuratețe EchilibratăBalanced accuracy is the average of recall values computed for each class separately. It corrects for class imbalance by giving equal weight to the performance on each class, regarScorul BrierThe Brier score measures the mean squared difference between predicted probabilities and actual binary outcomes. It is a simple, interpretable metric for evaluating the accuracy of
Traseu de lectură
Cele mai citate metode fundamentale ale acestui subiect, în ordinea în care au fost dezvoltate — un punct de plecare dacă vă aflați aici pentru prima dată.
Toate metodele 73
AcuratețeR-pătrat ajustat (R²_adj)Indexul Rand AjustatCriteriul de Informație Akaike (AIC)Acuratețe EchilibratăScorul BrierChestionarul privind forma corporală (BSQ)Indexul Calinski-HarabaszCalibrarea calorimetruluiAnaliza computerizată adaptivă a itemilorMatrice de confuzieExplicații contrarealeIndexul Davies-BouldinIndexul DunnMetoda cotuluiReguli de asociere explicabileDetecția Anomaliilor cu Autoencoder ExplicabilArbore de decizie explicabilFP-Growth ExplicabilModel Gaussian Mixt de ExplicatProces Gaussian ExplicabilHDBSCAN ExplicabilIsolation Forest ExplicabilK-Means ExplicabilK-Nearest Neighbors explicabilLightGBM ExplicabilNaive Bayes explicabilSVM Uniclas Unic (Explainable One-Class SVM)Pădurea Aleatorie ExplicabilăAnsamblu de stivuire explicabilMașină cu Vectori de Suport ExplicabilăAnsamblu de vot explicabilXGBoost ExplicabilScorul F-betaScorul F1Învățare automată conștientă de echitateIndexul Fowlkes-MallowsStatistica Gap (Gap Statistic)Morfo-metria geometricăCalitatea vieții în glaucom-15Pierderea Hamming (Hamming Loss)InerțieIndexul JaccardDiagramă de lift și câștigLIME: Explicații locale interpretabile, agnostice față de modelLog-Loss (Pierdere de Entropie Încrucișată)Analiza Longitudinală a ItemilorF1 mediu-macroEroare Absolută Medie (MAE)Eroarea Procentuală Absolută Medie (MAPE)Eroarea Medie Absolută Scalată (MASE)Eroare Pătratică Medie (MSE)F1 mediată la nivel microCalibrarea modeluluiInformația Mutuală NormalizatăPrecizieAria sub curbă a Preciziei-Recall (PR AUC)Scala de Echitate a PrețuluiR-pătrat (R²)Rechemare (Sensibilitate)Modelul Rasch robustEroarea Medie Pătratică (RMSE)SHAP (SHapley Additive exPlanations)Model Rasch Forma ScurtăTeoria Răspunsurilor la Itemi pe Forme Scurte (SF-IRT)Scorul SiluetăSpecificitatePonderarea și calibrarea sondajelorMAPE simetric (sMAPE)Algoritmul Token Bucket pentru limitarea rateiMăsura VF1 ponderatStatistica J a lui Youden