Чутливість (Recall)
Чутливість вимірює частку фактичних позитивних випадків, які були правильно ідентифіковані класифікатором. Вона відповідає на запитання: «З усіх випадків, які були справді позитивними, скільки ми знайшли?» Чутливість є критично важливою у сценаріях, де пропуск позитивних випадків є дорогим.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/uk/model-evaluation/recall
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Збалансована точністьОцінювання моделей↔ порівняти
- F1-ScoreОцінювання моделей↔ порівняти
- Коефіцієнт кореляції МетьюзаОцінювання моделей↔ порівняти
- Точність (Precision)Оцінювання моделей↔ порівняти
- СпецифічністьОцінювання моделей↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →