分类学习算法的性能度量指标综述

• 作者: 杨杏丽
• 来源期刊: 计算机科学
• 关键词: 性能度量 错误率 混淆矩阵 统计检验
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 209-219
• 页数: 11页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11896/jsjkx.200900216

摘要

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.