用于分类性能 H 度量的更优 Beta 分布
统计方法学
2013-08-02 v2 计算机视觉与模式识别
机器学习
摘要
ROC 曲线下面积被广泛用作分类规则性能的度量。然而，最近的研究表明该度量在根本上是不连贯的，即在使用不同分类器时，它对误分类的相对严重性采取了不同的处理方式。为克服这一问题，Hand (2009) 提出了 度量，允许研究人员在给定问题上将相对严重性的分布固定为与分类器无关的设置。本文扩展了这一讨论，并提出了一种改进的 度量标准分布，即 分布，它能更好地匹配研究人员的需求，特别是那些面对高度不平衡数据集的研究人员。
引用
@article{arxiv.1202.2564,
title = {A better Beta for the H measure of classification performance},
author = {David J. Hand and Christoforos Anagnostopoulos},
journal= {arXiv preprint arXiv:1202.2564},
year = {2013}
}
备注
Preprint. Keywords: supervised classification, classifier performance, AUC, ROC curve, H measure