2001年

多类分类问题ROC曲线下面积的一种简单推广ROC曲线下面积或等价的Gini指数是一种广泛使用的监督分类规则性能的度量。它有一个吸引人的特性,即它不需要指定不同类型错误分类的成本。然而,简单形式只适用于两个类的情况。我们通过平均成对比较将定义扩展到两个以上类的情况。在两类情况下,这一措施简化为标准形式。在一个简单的人工情况下,我们将其与标准的比例校正测度和基于类的两两比较的比例校正定义进行了比较,并举例说明了它在8个数据集上的应用。在我们检查的数据集上,这些度量产生了相似的结果,但不完全相同,反映了它们所度量的性能的不同方面。与ROC曲线下的面积一样,我们提出的度量方法在许多情况下是有用的,在这些情况下不可能为不同类型的错误分类付出代价。


zbMATH中的参考文献(参考 63篇文章,1标准件)

显示第1到第20个结果,共63个。
按年份排序(引用)
  1. Halbersberg,Dan;Wienreb,Maydan;Lerner,Boaz:用于学习贝叶斯网络分类器结构的准确性和信息的联合最大化(2020)
  2. Ippel,L.;Kaptein,M.C.;Vermunt,J.K.:使用流收缩因子在线估计个体水平效应(2019年)
  3. Plaia,Antonella;Sciandra,Mariangela:用于排名数据的加权距离树(2019)
  4. 谢赫特曼,埃德娜;谢赫特曼,吉迪恩:基尼术语与ROC曲线之间的关系(2019)
  5. 张永山;吴,贾;蔡志华;杜波;余飞利浦S.:RVFL神经网络无监督参数学习模型(2019)
  6. 黄新雄;郝,帅;阿拉康,索尔;杨洁:使用无对齐向量化的病毒基因组和蛋白质家族分类方法的比较(2018)
  7. Ma,Hua;Bandos,Andriy I.;Gur,David:诊断标记值的信息性和数据分组的影响(2018)
  8. Philipp Probst;Boulesteix,Anne Laure:调整或不调整随机森林中的树木数量(2018)
  9. 张文宇;张振江;赵汉侠;曾繁勋:贝叶斯分类器中概率密度估计的核混合模型(2018)
  10. Ting,Kai Ming;Washio,Takashi;Wells,Jonathan R.;Aryal,Sunil:《挑战学习曲线的重力:最近邻异常探测器的特征》(2017)
  11. Stein,Roger M.:评估数据损坏时评估离散选择预测模型:ROC下区域的分析结果和偏差修正(2016)
  12. Wang,Shijun;Li,Diana;Petrick,Nicholas;Sahiner,Berkman;Linguraru,Marius George;Summers,Ronald M.:使用半监督学习优化ROC曲线下的区域(2015)
  13. 高大琦;丁俊;朱长明:费雪线性判别式综合分析:实证研究(2014)
  14. 董恩明;李建平;谢,郑:基于多尺度块的凸非负矩阵分解的链路预测(2014)
  15. 冯光;张佳东;廖少义,斯蒂芬:一种结合贝叶斯网络的新方法,理论分析及其应用(2014)
  16. 何玉林;王,冉;邝,萨姆;王希钊:基于概率密度估计的贝叶斯分类器及其在同步故障诊断中的应用(2014)
  17. Katz,Gilad;Shabtai,Asaf;Rokach,Lior;Ofek,Nir:ConfDTree:改进决策树的统计方法(2014)IO端口
  18. Olga Montvida;Klawonn,Frank:相对成本曲线:AUC的替代方案和3类问题的扩展(2014)
  19. Tahir,Muhammad;Khan,Asifullah;Kaya,Hüseyin:人类和仓鼠细胞系中的蛋白质亚细胞定位:使用荧光显微镜图像的局部三元模式(2014年)
  20. Clémençon,Stéphan;Robbiano,Sylvain;Vayatis,Nicolas:《序数标签排名数据:最优化和成对聚合》(2013)