Métricas de clasificación
Explora 11 términos de IA en Métricas de Clasificación
Puntuación de Precisión Promedio
Puntuación APAverage Precision Score measures the accuracy of a model's predictions in classification tasks, balancing precision and recall.
Métricas de Matriz de Confusión
Las métricas de la Matriz de Confusión evalúan el rendimiento de modelos de clasificación usando indicadores clave como precisión, exactitud, recall y puntuación F1.
Medida F
F1La Medida F (F-Measure) es una métrica utilizada para evaluar el rendimiento de modelos de clasificación, equilibrando precisión y recuperación.
La puntuación F (F-Score)
F1La puntuación F (F-Score) es una medida estadística utilizada para evaluar la precisión de modelos de clasificación binaria.
Impureza de Gini
La Impureza de Gini mide la impureza de un conjunto de datos, utilizada principalmente en algoritmos de árboles de decisión para evaluar divisiones.
Pérdida de Hamming
La Pérdida de Hamming mide la fracción de etiquetas incorrectas en tareas de clasificación multietiqueta.
Pérdida de histograma
HLLa pérdida de histograma mide la discrepancia entre las distribuciones predichas y reales en tareas de clasificación.
Pérdida Logarítmica
La Pérdida Logarítmica mide el rendimiento de un modelo de clasificación donde la salida es una probabilidad entre 0 y 1.
Promedio Macro
La media macro calcula el rendimiento general de un modelo en múltiples clases en tareas de clasificación.
Tasa de Error de Clasificación
La tasa de error de clasificación mide la proporción de predicciones incorrectas realizadas por un modelo de clasificación.
Valor predictivo negativo
VPNEl valor predictivo negativo (VPN) mide la precisión de una prueba para identificar casos negativos.