MCDMClassification Metric
Acuratețe
Acuratețea reprezintă proporția predicțiilor corecte din numărul total de predicții efectuate de un model de clasificare. Este cea mai intuitivă metrică de performanță și măsoară cât de des clasificatorul face predicții corecte per ansamblu, indiferent de clasă.
Citește metoda completă
Doar pentru membri
AutentificareAutentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/ro/model-evaluation/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.
- Acuratețe EchilibratăEvaluarea modelelor↔ compare
- Matrice de confuzieEvaluarea modelelor↔ compare
- Scorul F1Evaluarea modelelor↔ compare
- PrecizieEvaluarea modelelor↔ compare
- Rechemare (Sensibilitate)Evaluarea modelelor↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →