分类学习算法的性能度量指标综述
在机器学习的分类问题研究中,对分类学习算法的正确评价是非常重要的.现实中,许多性能度量指标被从不同的角度提出,文中主要介绍了基于错误率的、基于混淆矩阵的和基于统计显著性检验的三大类性能度量指标,详细地讨论了分类学习算法各性能度量指标的提出背景、意义以及适用范围,分析了各种性能度量之间的差异,提出和分析了各方法中有待进一步研究的问题和方向.进一步,通过实验数据横向(每类度量中各方法之间的类内差异)和纵向(3类度量之间的类间差异)对照了各性能度量指标之间的差异,分析了各性能度量指标在分类算法选择上的一致性.
性能度量;错误率;混淆矩阵;统计检验
48
TP181(自动化基础理论)
国家自然科学基金;山西省应用基础研究项目;统计与数据科学前沿理论及应用教育部重点实验室开放研究课题
2021-08-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
209-219