การประเมินและความเชื่อถือได้
73 วิธีในตระกูลนี้
แนะนำ
ความแม่นยำAccuracy is the proportion of correct predictions among the total number of predictions made by a classification model. It is the most intuitive performance metric and measures howสัมประสิทธิ์การตัดสินใจที่ปรับปรุงแล้ว (R²_adj)Adjusted R² is a corrected version of the coefficient of determination that accounts for the number of predictors in a regression model. Introduced by Henri Theil in 1961, it addreดัชนีแรนด์ปรับปรุงThe Adjusted Rand Index (ARI), developed by Hubert and Arabie in 1985, is an external clustering evaluation metric that measures the agreement between a predicted clustering and a เกณฑ์ข้อมูลอาคาอิเกะ (Akaike Information Criterion - AIC)The Akaike Information Criterion is an information-theoretic measure for model selection that balances goodness of fit against model complexity. Introduced by Hirotugu Akaike in 19ความแม่นยำแบบสมดุล (Balanced Accuracy)Balanced accuracy is the average of recall values computed for each class separately. It corrects for class imbalance by giving equal weight to the performance on each class, regarBrier ScoreThe Brier score measures the mean squared difference between predicted probabilities and actual binary outcomes. It is a simple, interpretable metric for evaluating the accuracy of
เส้นทางการอ่าน
ระเบียบวิธีเชิงรากฐานที่ถูกอ้างอิงมากที่สุดของหัวข้อนี้ เรียงตามลำดับการพัฒนา — จุดเริ่มต้นที่ดีหากท่านเพิ่งเริ่มศึกษา
วิธีทั้งหมด 73
ความแม่นยำสัมประสิทธิ์การตัดสินใจที่ปรับปรุงแล้ว (R²_adj)ดัชนีแรนด์ปรับปรุงเกณฑ์ข้อมูลอาคาอิเกะ (Akaike Information Criterion - AIC)ความแม่นยำแบบสมดุล (Balanced Accuracy)Brier Scoreแบบสอบถามรูปร่าง (Body Shape Questionnaire - BSQ)ดัชนี Calinski-Harabaszการสอบเทียบเครื่องวัดพลังงานความร้อนการวิเคราะห์ข้อสอบแบบปรับตัวด้วยคอมพิวเตอร์เมทริกซ์ความสับสนคำอธิบายเชิงขัดแย้งดัชนี Davies-Bouldinดัชนี Dunnวิธีข้อศอกกฎความสัมพันธ์ที่อธิบายได้การตรวจจับความผิดปกติด้วยออโต้อินโค้ดเดอร์ที่อธิบายได้ผังการตัดสินใจที่อธิบายได้FP-Growth ที่อธิบายได้โมเดลการผสมแบบเกาส์เซียนที่อธิบายได้กระบวนการเกาส์เซียนที่อธิบายได้HDBSCAN ที่อธิบายได้ฟอเรสต์การแยกตัวที่อธิบายได้Explainable K-MeansExplainable K-Nearest NeighborsLightGBM ที่อธิบายได้Explainable Naive BayesExplainable One-Class SVMฟอเรสต์สุ่มที่อธิบายได้การรวมกลุ่มแบบซ้อนแบบอธิบายได้เครื่องจำแนกประเภทแบบ Support Vector Machine ที่อธิบายได้การลงคะแนนแบบกลุ่มที่อธิบายได้XGBoost ที่อธิบายได้คะแนน F-เบตาคะแนน F1การเรียนรู้ของเครื่องที่คำนึงถึงความเป็นธรรมดัชนี Fowlkes-Mallowsสถิติกระโดด (Gap Statistic)เรขาคณิตสัณฐานวิทยาGlaucoma Quality of Life-15แฮมมิง ลอสความเฉื่อยดัชนี Jaccardแผนภูมิลิฟต์และเกนLIME: คำอธิบายแบบจำลองที่ตีความได้เฉพาะที่และไม่ขึ้นกับแบบจำลองลอส-ลอส (ครอสเอนโทรปี ลอส)การวิเคราะห์รายการตามช่วงเวลาค่า F1 แบบมาโครเฉลี่ย (Macro-averaged F1)ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (MAE)ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ยร้อยละ (MAPE)ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ยแบบปรับสเกล (MASE)ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squared Error: MSE)F1-คะแนนเฉลี่ยแบบจุลภาคการปรับเทียบโมเดลข้อมูลร่วมที่ปรับค่ามาตรฐานความแม่นยำ (Precision)Precision-Recall AUCมาตรวัดความเป็นธรรมของราคา (Price Fairness Scale)ค่าสัมประสิทธิ์การตัดสินใจ (R-squared หรือ R²)การเรียกคืน (ความไว)แบบจำลอง Rasch ที่แข็งแกร่ง (Robust Rasch Model)Root Mean Squared Error (RMSE)SHAP (SHapley Additive exPlanations)รูปแบบ Rasch ฉบับย่อทฤษฎีการตอบสนองข้อสอบแบบสั้น (SF-IRT)คะแนน Silhouetteความจำเพาะ (Specificity)การถ่วงน้ำหนักและการปรับเทียบข้อมูลสำรวจMAPE สมมาตร (sMAPE)อัลกอริทึมจำกัดอัตราด้วย Token Bucketวี-เมเชอร์F1-score แบบถ่วงน้ำหนักสถิติ J ของ Youden