1. Akurasi (ACC) dihitung sebagai jumlah semua prediksi yang benar dibagi dengan jumlah total
dataset. Akurasi terbaik adalah 1,0, sedangkan yang terburuk adalah 0,0. Dapat juga dihitung
dengan 1 - ERR.
Akurasi dihitung sebagai jumlah total dari dua prediksi yang benar (TP + TN) dibagi dengan
jumlah total dataset (P + N).
Tingkat positif salah dihitung sebagai jumlah prediksi positif salah (FP) dibagi dengan jumlah
total negatif (N).
3. specificity, selectivity or true negative rate (TNR)
Spesifisitas (SP) dihitung sebagai jumlah prediksi negatif yang benar dibagi dengan jumlah total
negatif. Ini juga disebut true negative rate (TNR). Spesifisitas terbaik adalah 1,0, sedangkan yang
terburuk adalah 0,0.
7. F1 Score
F1 Score merupakan perbandingan rata-rata presisi dan recall yang dibobotkan. Skor F1
menimbulkan bendera dan lebih dekat ke angka yang lebih kecil daripada yang lebih besar,
memberikan model skor yang sesuai daripada hanya rata-rata aritmatika
#include <stdio.h>
#include<math.h>
int main()
{
int fp,fn,tp,tn;
printf("True Positive : ");scanf("%d",&tp);
printf("\nFalse Negative: ");scanf("%d",&fn);
printf("\nTrue Negative : ");scanf("%d",&tn);
printf("\nFalse Positive : ");scanf("%d",&fp);
float tpr = 0.0f,tnr = 0.0f,ppv = 0.0f,npv = 0.0f,fnr = 0.0f,fpr = 0.0f,fdr = 0.0f,forr = 0.0f,ts =
0.0f,acc =
0.0f,fone = 0.0f,mcc = 0.0f,bm = 0.0f,mk = 0.0f;
forr = fn*1.0 / (fn+tn)*1.0;
ts = tp*1.0 / (tp+fn+fp)*1.0;
acc = (tp+tn)*1.0 / (tp+tn+fp+fn)*1.0;
fone = (2.0*tp) / ((2.0*tp)+fp+fn)*1.0;
tpr = tp*1.0 / (tp+fn)*1.0; tnr = tn*1.0 / (tn+fp)*1.0; ppv = tp*1.0 / (tp+fp)*1.0; npv = tn*1.0 /
(tn+fn)*1.0;
bm = tpr + tnr - 1;
mk = ppv + npv - 1;
fnr = fn*1.0 / (fn+tp)*1.0; fpr = fp*1.0 / (fp+tn)*1.0; fdr = fp*1.0 / (fp+tp)*1.0;
mcc = ((tp*tn) - (fp*fn))*1.0 / sqrt(((tp+fp)*(tp+fn)*(tn+fp)*(tn+fn))*1.0);