×
约翰·林;元，钟浩

ROC凸壳和非参数极大似然估计。 （英语） Zbl 1260.62022号

马赫。学习。 88，第3期，433-444（2012）.
小结：ROC凸壳（ROCCH）是经验ROC曲线的最小凸主元，表示一组分类器的最优ROC曲线。本文为ROCCH提供了一个概率观点。我们证明了ROCCH可以刻画为凸ROC曲线的非参数极大似然估计（NPMLE）。我们提供了两种NPMLE公式，一种是无条件的，另一种是有条件的，这两种公式都产生ROCCH作为解决方案。求解技术将NPMLE与凸优化和分类器校准联系起来。NPMLE和ROCCH之间的联系还表明了计算凸ROC曲线的NPMLE的有效算法，以及评估ROCCH中不确定性的条件引导程序。

引用于2文件

MSC公司：

62G05型 非参数估计
90C25型 凸面编程
62小时30分 分类和区分；聚类分析（统计方面）
65C60个 统计学中的计算问题（MSC2010）

关键词：

ROC曲线;凸性;NPMLE公司;几何规划;分类器校准

软件：

GGPLAB公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Lim}和\textit{J.-H.Won}，马赫。学习。88，No.3，433--444（2012；Zbl 1260.62022）
全文： 内政部

参考文献：

[1] Campbell，G.和Ratnaparkhi，M.V.（1993年）。Lomax分布在接收机工作特性（ROC）曲线分析中的应用。统计传播。理论与方法，22（6），1681-1697·Zbl 0800.62721号 ·doi:10.1080/03610929308831110
[2] Dorfman，D.D.、Berbaum，K.S.、Metz，C.E.、Lenth，R.V.、Hanley，J.A.和Dagga，H.A.（1997）。合适的接收机工作特性分析：bigamma模型。学术放射学，4（2），138-149·doi:10.1016/S1076-6332（97）80013-X
[3] Fawcett，T.和Niculescu-Mizil，A.（2007年）。PAV和ROC凸包。机器学习，68（1），97-106·Zbl 1470.62082号 ·doi:10.1007/s10994-007-5011-0
[4] Feltz，C.J.和Dykstra，R.L.（1985年）。n个随机序随机变量生存函数的极大似然估计。《美国统计协会杂志》，80（392），1012-1019·Zbl 0587.62085号
[5] Flach，P.A。；吴，S。；Kaelbling，L.P.（编辑）；Saffiotti，A.（编辑），修复ROC曲线中的凹面，702-707（2005），丹佛
[6] Hand，D.J.（2009）。衡量分级机性能：ROC曲线下面积的一致替代方案。机器学习，77（1），103-123·Zbl 1470.62085号 ·doi:10.1007/s10994-009-5119-5
[7] Hinkley，D.V.（1988年）。引导方法。英国皇家统计学会杂志。B辑：统计方法，50（3），321-337·Zbl 0671.62037号
[8] Johansen，S.（1978年）。乘积极限估计是最大似然估计。《斯堪的纳维亚统计杂志》，195-199年·Zbl 0385.62059号
[9] Kaplan，E.L.和Meier，P.（1958年）。不完全观测的非参数估计。《美国统计协会杂志》，53（282），457-481·Zbl 0089.14801号
[10] Kim，S。；Magnani，A。；萨马尔，S。；博伊德，S。；Lim，J.，帕累托最优线性分类，匹兹堡，宾夕法尼亚州，纽约
[11] Lim，J.和Pyun，K.（2009年）。基于代价有效的隐马尔可夫模型的图像分割。IEEE信号处理快报，16（3），172-175·doi:10.1109/LSP.2008.2008586
[12] Lim，J.、Kim，S.J.和Wang，X.（2009）。通过几何规划估计随机有序生存函数。计算与图形统计杂志，18（4），978-994·doi:10.1198/jcgs.2009.06140
[13] Lloyd，C.J.（2002年）。凸ROC曲线的估计。《统计与概率快报》，59（1），99-111·Zbl 1056.62077号 ·doi:10.1016/S0167-7152（02）00212-2
[14] Macskassy，S。；Provost，F。；Rosset，S.，《ROC置信区间：实证评估》，537-544（2005），纽约·数字对象标识代码：10.1145/102351.1102419
[15] Metz，C.E.和Pan，X.（1999）。“适当”二正态ROC曲线：理论和最大似然估计。数学心理学杂志，43，1-33·Zbl 0920.62138号 ·doi:10.1006/jmps.1998.1218
[16] Metz，C.E.、Herman，B.A.和Shen，J.（1998年）。基于连续分布数据的接收机工作特性（ROC）曲线的最大似然估计。医学统计学，17（9），1033-1053·doi:10.1002/（SICI）1097-0258（19980515）17:9<1033:：AID-SIM784>3.0.CO；2-Z型
[17] Mladenic，D。；Grobelnik，M.，《不平衡类分布的特征选择和朴素贝叶斯》（1999）
[18] Mutapcic，A.、Koh，K.、Kim，S.-J.和Boyd，S.（2006）。GGPLAB：用于几何编程的简单Matlab工具箱，版本1.00。网址：http://standord.edu/boyd/ggplab，2006年5月·Zbl 0800.62721号
[19] Pan，X.，&Metz，C.E.（1997年）。“适当”二正态模型：退化数据的参数接收机工作特性曲线估计。学术放射学，4（5），380-389·doi:10.1016/S1076-6332（97）80121-3
[20] Provost，F.和Fawcett，T.（2001）。针对不精确环境的稳健分类。机器学习，42（3），203-231·Zbl 0969.68126号 ·doi:10.1023/A:100760115854
[21] Tibshirani，R.和K.奈特（1999）。自适应模型选择的协方差膨胀准则。英国皇家统计学会杂志。B系列：统计方法，61（3），529-546·Zbl 0924.62031号 ·doi:10.1111/1467-9868.00191
[22] 扎德罗兹尼，B。；Elkan，C.，《将分类器分数转换为准确的多类概率估计》，加拿大艾伯塔省埃德蒙顿市，纽约·数字对象标识代码：10.1145/775047.75151
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。