MCDMClassification Metric
Сбалансированная точность
Сбалансированная точность — это среднее значение показателей полноты (recall), вычисленных отдельно для каждого класса. Она корректирует дисбаланс классов, присваивая равный вес производительности каждого класса, независимо от его частоты в наборе данных.
Читать метод полностью
Только для участников
ВойтиВойдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Balanced Classification Accuracy. ScholarGate. https://scholargate.app/ru/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.
- ТочностьОценка моделей↔ compare
- F1-мераОценка моделей↔ compare
- Коэффициент корреляции МэтьюсаОценка моделей↔ compare
- Полнота (Чувствительность)Оценка моделей↔ compare
- СпецифичностьОценка моделей↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →