MCDMClassification Metric
Noggrannhet
Noggrannhet är andelen korrekta prediktioner av det totala antalet prediktioner som gjorts av en klassificeringsmodell. Det är den mest intuitiva prestationsmetriken och mäter hur ofta klassificeraren gör korrekta prediktioner totalt sett, oavsett klass.
Läs hela metoden
Endast för medlemmar
Logga inLogga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Classification Accuracy. ScholarGate. https://scholargate.app/sv/model-evaluation/accuracy
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Balanserad träffsäkerhetModellutvärdering↔ jämför
- FörväxlingsmatrisModellutvärdering↔ jämför
- F1-poängModellutvärdering↔ jämför
- PrecisionModellutvärdering↔ jämför
- Recall (känslighet)Modellutvärdering↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →