เปรียบเทียบวิธี

	ความแม่นยำ	คะแนน F1	สัมประสิทธิ์สหสัมพันธ์ของแมทธิวส์	การเรียกคืน (ความไว)
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM	MCDM	MCDM
ปีกำเนิด	20th century	1979	1975	20th century
ผู้ริเริ่ม	Historical statistical foundations	C. J. van Rijsbergen	Brian W. Matthews	Historical statistical foundations
ประเภท	Evaluation metric	Evaluation metric	Evaluation metric	Evaluation metric
แหล่งต้นตำรับ	Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874.	van Rijsbergen, C. J. (1979). Information Retrieval (2nd ed.). Butterworth-Heinemann.	Matthews, B. W. (1975). Comparison of predicted and observed secondary structure of T4 phage lysozyme. Biochimica et Biophysica Acta (BBA)-Protein Structure, 405(2), 442-451.	Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874.
ชื่อเรียกอื่น	Overall Accuracy, Correct Classification Rate	F-measure, Harmonic Mean	Phi Coefficient, Binary Classification Correlation	Sensitivity, True Positive Rate, TPR
ที่เกี่ยวข้อง	5	5	5	5
สรุป	Accuracy 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 how often the classifier makes correct predictions overall, regardless of class.	The F1-score is the harmonic mean of precision and recall, providing a single metric that balances both concerns. It was introduced by van Rijsbergen in information retrieval and has become a standard metric for evaluating classification models where both precision and recall are important.	The Matthews Correlation Coefficient (MCC) is a correlation measure between predicted and actual binary classifications. It ranges from -1 to 1 and is considered one of the most reliable single-score metrics for evaluating binary classifiers, especially on imbalanced datasets.	Recall measures the proportion of actual positive cases that were correctly identified by the classifier. It answers the question: 'Of all the cases that were truly positive, how many did we find?' Recall is critical in scenarios where missing positive cases is costly.