MCDMClassification Metric
Tačnost
Tačnost predstavlja proporciju ispravnih predikcija u odnosu na ukupan broj predikcija koje je napravio klasifikacioni model. To je najintuitivnija metrika performansi i meri koliko često klasifikator ukupno pravi ispravne predikcije, bez obzira na klasu.
Pročitajte celu metodu
Samo za članove
Prijavite sePrijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/sr/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.
- Uravnotežena tačnostEvaluacija modela↔ compare
- Matrica konfuzijeEvaluacija modela↔ compare
- F1-meraEvaluacija modela↔ compare
- PreciznostEvaluacija modela↔ compare
- Odziv (Osetljivost)Evaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →