汉堡2001

一个简单的概括的ROC曲线下的多类分类问题的面积,ROC曲线下的面积,或等价的基尼指数,是一种广泛使用的监督分类规则的性能指标。它具有吸引人的特性,即它需要指定不同类型的错误分类的成本。然而,简单形式仅适用于两类的情况。通过对成对比较,我们将定义扩展到多于两个类的情况。这一措施在两种情况下减少到标准形式。我们将它的性质与比例校正的标准度量和基于简单人工情形的类的成对比较的比例校正的另一定义进行比较,并说明它在八个数据集上的应用。在我们检查的数据集上,这些措施产生了相似但不相同的结果,反映了他们正在测量的性能的不同方面。与ROC曲线下的面积一样,我们提出的措施在许多情况下都是有用的,因为这种情况不可能为不同类型的错误分类付出代价。


ZBMaX中的参考文献(60篇)1标准条款

显示结果1至20的60。
按年份排序(引文
  1. Ippel,L.;Kaptein,M. C.;弗蒙特,J. K.:利用流收缩因子在线估计个体水平效应(2019)
  2. 安东内拉,Scand,Miangala:用于数据排序的加权距离树(2019)
  3. Schechtman、埃德娜、谢奇曼、Gideon:Gini术语与ROC曲线的关系(2019)
  4. 黄,Hsin Hsiung;郝,帅;Alarcon,撒乌耳;杨,杰:病毒基因组和蛋白质家族分类方法的比较:无定向矢量化(2018)
  5. 马,华;Bandos,Andriy I.;Gur,戴维:诊断标记值的信息性和数据分组的影响(2018)
  6. 普劳斯特,Philipp;Bouthistx,Anne Laure:调谐或不调谐随机森林中的树数(2018)
  7. 张,Wenyu;张,镇江;Chao,Han Chieh;Tseng,Fan Hsun:贝叶斯分类器中概率密度估计的核混合模型(2018)
  8. Ting,凯明;Washio,Takashi;威尔斯,Jonathan R.;Aryal,Sunil:挑战学习曲线的引力:近邻异常探测器的特征(2017)
  9. 施泰因,Roger M.:评估数据被破坏时的离散选择预测模型:ROC下区域的分析结果和偏差修正(2016)
  10. 王,Shijun;李,戴安娜;Pet诡计,尼古拉斯;Sahiner,伯克曼;林古拉鲁,Marius George;萨默斯,Fuff:使用半监督学习优化ROC曲线下的面积(2015)
  11. 大齐,高;军,丁;长明,朱:综合Fisher线性判别式:实证研究(2014)
  12. 冯,Guang;张,贾东;邵一寥,史蒂芬:贝叶斯网络组合的一种新方法、理论分析及其应用(2014)
  13. 何,Yu Lin;王,冉;Kwong,山姆;王,Xi Zhao:基于概率密度估计的贝叶斯分类器及其在故障诊断中的应用(2014)
  14. 卡茨,吉拉德;Shabtai,Asaf;Rokac,Lior;OFEK,NIR:ForddToe:一种改进决策树的统计方法(2014)伊波尔特
  15. 蒙特维达、奥尔加、克劳旺、弗兰克:相对成本曲线:AUC的替代和三类问题的扩展(2014)
  16. Tahir,穆罕默德;可汗,Asifullah;伽倻,HuSESEIN:人和仓鼠细胞系的蛋白质亚细胞定位:采用荧光显微镜图像的局部三元模式(2014)
  17. Robbiano,西尔文,VayaTIS,尼古拉斯:序号标签排序数据:最优性和成对聚合(2013)
  18. 切斯拉克,David A.;Hoes,T. Ryan;Chawla,Nitesh V.;KeGelmi耶,W. Philip:Hellinger距离决策树是鲁棒的和不敏感的(2012)
  19. 彼得,机器学习。对数据有意义的算法的艺术和科学。(2012)
  20. 志贺,Motoki;Mamitsuka,Hiroshi:局部信息多图的高效半监督学习(2012)