Специфічність
Специфічність вимірює частку фактичних негативних випадків, які були правильно ідентифіковані як негативні класифікатором. Вона відповідає на запитання: «З усіх випадків, які були справді негативними, скільки ми правильно відхилили?» Специфічність є доповненням до повноти (recall) і є важливою, коли хибнопозитивні помилки є дорогими.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
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). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/uk/model-evaluation/specificity
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Збалансована точністьОцінювання моделей↔ compare
- F1-ScoreОцінювання моделей↔ compare
- Коефіцієнт кореляції МетьюзаОцінювання моделей↔ compare
- Точність (Precision)Оцінювання моделей↔ compare
- Чутливість (Recall)Оцінювання моделей↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →