MCDMClassification Metric
Odziv (Osetljivost)
Odziv meri proporciju stvarnih pozitivnih slučajeva koje je klasifikator ispravno identifikovao. Odgovara na pitanje: 'Od svih slučajeva koji su bili istinski pozitivni, koliko smo ih pronašli?' Odziv je ključan u scenarijima gde je propuštanje pozitivnih slučajeva skupo.
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). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/sr/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.
- Uravnotežena tačnostEvaluacija modela↔ compare
- F1-meraEvaluacija modela↔ compare
- Metjuzov koeficijent korelacijeEvaluacija modela↔ compare
- PreciznostEvaluacija modela↔ compare
- SpecifičnostEvaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →