Некоторые методы, которые используются для оценки точности классификаторов:

• Матрица ошибок (confusion matrix). 13 Содержит количество корректно и некорректно классифицированных примеров для каждого класса. 1
• Меткость (accuracy). 2 Представляет собой процент корректно классифицированных примеров. 1
• Точность (precision). 15 Это доля правильных ответов модели в пределах класса — доля объектов, действительно принадлежащих данному классу, относительно всех объектов, которые система отнесла к этому классу. 5
• Полнота (recall). 15 Показывает, какую долю объектов, реально относящихся к положительному классу, предсказали верно. 5
• Специфичность (specificity). 3 Это процент примеров негативного класса, которые были корректно распознаны. 3
• F1-мера (F1-score). 2 Взвешенное гармоническое среднее точности и полноты. 2
• Кривые полнота-точность. 2 Строятся в системе координат, где по оси абсцисс откладывается полнота, а по оси ординат — точность. 2 Показывают, как выбор порога влияет на точность классификатора, а также помогают выбрать лучшее значение дискриминационного порога для определённого баланса классов. 2