面向真实世界数据多类分类的神经网络可靠评估
神经与进化计算
2016-12-05 v1 机器学习
摘要
本文提出对神经网络(NN)用于真实世界数据分类的系统评估。在机器学习领域，经常看到使用单一参数“预测准确率”来评估分类器模型的性能。然而，对于倾斜度极高的数据集，该参数可能被认为不可靠。为展示此种行为，使用了七种不同类型的数据集，通过十二(12)个不同参数（包括微观和宏观层面估计）来评估多层感知机(MLP)。本研究考虑了被称为“多类”分类的最常见预测问题。针对每个数据集的不同参数所获得的结果能够展示有趣的发现，以支持这组性能评估参数的可用性。
引用
@article{arxiv.1612.00671,
title = {Reliable Evaluation of Neural Network for Multiclass Classification of Real-world Data},
author = {Siddharth Dinesh and Tirtharaj Dash},
journal= {arXiv preprint arXiv:1612.00671},
year = {2016}
}