MCC-F1曲线：一种二分类性能评估技术
机器学习
2020-06-23 v1 机器学习
摘要
许多领域使用ROC曲线和PR曲线作为二分类方法的标准评估手段。然而，ROC和PR的分析常常给出误导性和虚高的性能评估，尤其是在类别不平衡的真实标签下。在此，我们通过模拟展示ROC和PR分析的问题，并提出MCC-F1曲线以解决这些缺陷。MCC-F1曲线结合了两个信息丰富的单阈值度量，即MCC和F1分数。MCC-F1曲线能更清晰地区分好与差的分类器，即使在类别不平衡的真实标签下也是如此。我们还引入了MCC-F1度量，它提供一个单一数值，整合了分类器在整个分类阈值范围内的多方面性能。最后，我们提供了一个可绘制MCC-F1曲线并计算相关度量的R包。
引用
@article{arxiv.2006.11278,
title = {The MCC-F1 curve: a performance evaluation technique for binary classification},
author = {Chang Cao and Davide Chicco and Michael M. Hoffman},
journal= {arXiv preprint arXiv:2006.11278},
year = {2020}
}
备注
17 pages, 4 figures