VOROS：将 ROC 曲线提升至三维

Christopher Ratigan; Lenore Cowen

VOROS：将 ROC 曲线提升至三维

机器学习 2024-12-19 v2 度量几何统计理论统计方法学统计理论

作者: Christopher Ratigan , Lenore Cowen

摘要

虽然 ROC 曲线下面积或许是用于排名不同二分类器相对性能的最常用度量，但长期存在的领域经验指出，当两类之间的实际类别值或误分类成本高度不平衡时，它可能无法准确捕捉不同分类器的优势。我们引入了一种新的 ROC 曲面，以及该曲面上的体积 VOROS，作为一种通过将这些成本提升至 3D 来自然捕捉它们的方法。与之前推广 ROC 曲线的尝试相比，我们的公式还提供了一种简单直观的方法，用于建模仅知道可能的类别不平衡和误分类成本的范围而非确切值的情景。

关键词

ROC 曲线 VOROS 二分类器类别不平衡误分类成本三维 ROC 曲面性能度量

引用

@article{arxiv.2402.18689,
  title  = {The VOROS: Lifting ROC curves to 3D},
  author = {Christopher Ratigan and Lenore Cowen},
  journal= {arXiv preprint arXiv:2402.18689},
  year   = {2024}
}

备注

9 pages, 7 figures, 5 tables. Accepted by the 39th AAAI Conference on Artificial Intelligence (AAAI-25)

VOROS：将 ROC 曲线提升至三维

摘要

关键词

引用

备注

相关论文