Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Площа під кривою "точність-повнота" (Precision-Recall AUC)× | Точність× | |
|---|---|---|
| Галузь | Оцінювання моделей | Оцінювання моделей |
| Родина | MCDM | MCDM |
| Рік появи≠ | 2006 | 20th century |
| Автор методу≠ | Davis and Goadrich | Historical statistical foundations |
| Тип | Evaluation metric | Evaluation metric |
| Основоположне джерело≠ | Davis, J., & Goadrich, M. (2006). The relationship between precision-recall and ROC curves. Proceedings of the 23rd International Conference on Machine Learning, 233-240. DOI ↗ | Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. DOI ↗ |
| Інші назви | PR AUC, PR Curve | Overall Accuracy, Correct Classification Rate |
| Пов'язані≠ | 4 | 5 |
| Підсумок≠ | The Precision-Recall Area Under the Curve (PR AUC) is the area under the curve formed by plotting recall on the x-axis and precision on the y-axis. It is particularly useful for evaluating classifiers on imbalanced datasets, where it is often more informative than ROC AUC. | 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. |
| ScholarGateНабір даних ↗ |
|
|