Бинарная классификация является одним из наиболее частых исследований проблем прикладного машинного обучения в различных областях, от медицины и биологии до метеорологии и анализа вредоносных программ. Многие исследователи используют некоторые показатели эффективности в своих классификационных исследованиях, чтобы сообщить об их успехе. Однако литература показала широко распространенную путаницу в терминологии и игнорирование фундаментальных аспектов метрик.
В нашей статье под названием «Показатели/показатели производительности бинарной классификации: комплексная визуализированная дорожная карта для получения новой информации» разъясняется запутанная терминология, впервые предлагаются формальные правила для разграничения показателей и показателей, а также предлагается новая комплексная визуализированная дорожная карта с уровневой структурой для 22 мер и 22 метрик для изучения производительности бинарной классификации.
Кроме того, мы ввели новые понятия, такие как каноническая запись, двойственность и дополнение для мер/метрик, а также предложили две новые канонические базовые меры, упрощающие уравнения. Ожидается, что это исследование послужит ориентиром для других исследований, чтобы иметь стандартизированный подход к показателям производительности для решений на основе машинного обучения.
Дорожная карта может рассматриваться как «Периодическая таблица химических элементов» в оценке эффективности бинарной классификации машинного обучения.
Джанбек Г., Сагироглу С., Темизель Т. Т. и Байкал Н. (2017). Показатели/показатели производительности бинарной классификации: комплексная визуализированная дорожная карта для получения новых идей. В Международной конференции по компьютерным наукам и инженерии (UBMK) 2017 г. (стр. 821–826). Анталия, Турция: IEEE. http://doi.org/10.1109/UBMK.2017.8093539
Полный текст по адресу: http://bit.ly/perfroadmap
