MCDMClassification Metric
Citlivosť (Recall)
Recall meria podiel skutočných pozitívnych prípadov, ktoré klasifikátor správne identifikoval. Odpovedá na otázku: 'Zo všetkých prípadov, ktoré boli skutočne pozitívne, koľko sme našli?' Recall je kľúčový v scenároch, kde je strata pozitívnych prípadov nákladná.
Prečítať celú metódu
Len pre členov
Prihlásiť saAk si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/sk/model-evaluation/recall
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.
- Vyvážená presnosťHodnotenie modelov↔ compare
- F1-skóreHodnotenie modelov↔ compare
- Matthewsov korelačný koeficientHodnotenie modelov↔ compare
- PresnosťHodnotenie modelov↔ compare
- ŠpecifickosťHodnotenie modelov↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →