Métricas de Classificação

Average Precision Score measures the accuracy of a model's predictions in classification tasks, balancing precision and recall.

Métricas de Matriz de Confusão avaliam o desempenho de modelos de classificação usando indicadores-chave como acurácia, precisão, recall e pontuação F1.

Medida-F é uma métrica usada para avaliar o desempenho de modelos de classificação, equilibrando precisão e recall.

F-Medida é uma medida estatística usada para avaliar a precisão de modelos de classificação binária.

A Impureza de Gini mede a impureza de um conjunto de dados, sendo usada principalmente em algoritmos de árvores de decisão para avaliar divisões.

Hamming Loss mede a fração de rótulos incorretos em tarefas de classificação multi-rótulo.

A Perda de Histograma mede a discrepância entre as distribuições previstas e reais em tarefas de classificação.

Log Loss mede o desempenho de um modelo de classificação onde a saída é uma probabilidade entre 0 e 1.

Macro-Média calcula o desempenho geral de um modelo em várias classes em tarefas de classificação.

A taxa de classificação incorreta mede a proporção de previsões incorretas feitas por um modelo de classificação.

Valor Preditivo Negativo (NPV) mede a precisão de um teste em identificar casos negativos.