受试者工作特征曲线下面积的无模型后验推断
统计方法学
2020-07-28 v2
摘要
受试者工作特征曲线下面积（AUC）作为二分类器性能的总结指标。在双正态性假设下已开发出估计 AUC 的方法，该假设限制了分类器所得分数的分布。然而，这一假设引入了无穷维 nuisance 参数，并可能不适当，尤其在机器学习背景下。这促使我们采用针对 AUC 的无模型 Gibbs 后验分布。我们给出了渐近 Gibbs 后验集中速率，以及一种调节学习率的策略，使得相应可信区间达到名义频率派覆盖概率。模拟实验与真实数据分析证明了 Gibbs 后验相较于基于秩似然的现有方法的优异表现。
引用
@article{arxiv.1906.08296,
title = {Model-free posterior inference on the area under the receiver operating characteristic curve},
author = {Zhe Wang and Ryan Martin},
journal= {arXiv preprint arXiv:1906.08296},
year = {2020}
}
备注
19 pages, 3 figures, 5 tables