理解两类分类器性能指南
计算机视觉与模式识别
2025-04-07 v3 机器学习
性能
摘要
正确理解分类器的性能在各种场景中至关重要。然而，文献中常仅依赖一种或两种标准得分来比较分类器，无法捕捉应用特定需求的细微差异。Tile是一种近期引入的可视化工具，将无数排序得分组织成二维地图。得益于Tile，现在可以高效比较分类器，显示所有可能的应用特定偏好，而无需依赖一对得分。本文为理解两类分类器的性能指南提供了四种场景，展示不同用户画像：理论分析师、方法设计师、基准测试者和应用开发者。我们通过将不同值映射到Tile上，介绍几种适用于用户需求的解释风格。我们通过这四种用户画像对74个最先进语义分割模型的性能进行排名和分析。通过这些用户画像，我们展示了Tile有效地在单一可视化中捕捉分类器行为，同时容纳无数排序得分。用于映射不同Tile风格的代码已包含在补充材料中。
引用
@article{arxiv.2412.04377,
title = {A Hitchhiker's Guide to Understanding Performances of Two-Class Classifiers},
author = {Anaïs Halin and Sébastien Piérard and Anthony Cioppa and Marc Van Droogenbroeck},
journal= {arXiv preprint arXiv:2412.04377},
year = {2025}
}