On peut mesurer la qualité de l'ajustement d'un modèle statistique en utilisant Akaike Information Criterion (AIC), ce qui explique la qualité de l'ajustement et le nombre de paramètres utilisés pour la création du modèle. L'AIC implique le calcul de la valeur maximisée de la fonction de vraisemblance pour ce modèle (L). Comment peut-on calculer L, étant donné les résultats de prédiction d'un modèle de classification, représenté comme une matrice de confusion?critères d'information pour les matrices de confusion
Répondre
Information-Based Evaluation Criterion for Classifier's Performance par Kononenko et Bratko est exactement ce que je cherchais:
précision de la classification est généralement utilisé comme une mesure de la performance de classification. Cette mesure est cependant connue pour avoir plusieurs défauts. Un critère d'évaluation équitable devrait exclure l'influence des probabilités de classe qui peuvent permettre à un classificateur complètement non informé d'atteindre trivialement une grande précision de classification. Dans cet article, une méthode d'évaluation du score d'information des réponses d'un classificateur est proposée. Elle exclut l'influence des probabilités a priori, traite de divers types de réponses imparfaites ou probabilistes et peut également être utilisée pour comparer les performances dans différents domaines.
Il n'est pas possible de calculer l'AIC à partir d'une matrice de confusion car il ne contient aucune information sur la probabilité. Selon le modèle que vous utilisez, il peut être possible de calculer la probabilité ou la quasi-vraisemblance et donc l'AIC ou le QIC.
Quel est le problème de classification sur lequel vous travaillez et quel est votre modèle?
Dans un contexte de classification, d'autres mesures sont souvent utilisées pour effectuer des tests du GoF. Je vous recommande de lire The Elements of Statistical Learning par Hastie, Tibshirani et Friedman pour avoir un bon aperçu de ce genre de méthodologie.
Espérons que cela aide.
- 1. Matrices de matrices en Perl
- 2. Coulée entre les matrices multidimensionnelles et monodimensionnelles
- 3. Ajout de matrices en C#?
- 4. Matrices Rotation & OpenGL
- 5. Matrices limitées dans Ruby
- 6. Matrices en Python
- 7. Comment modéliser les différents critères?
- 8. Windows Grossissement API, .NET et matrices
- 9. Meilleure façon de stocker les critères Badge?
- 10. Expressions dans les critères d'hibernation
- 11. Structure de données pour stocker des matrices creuses
- 12. Confusion de clés RDBMS
- 13. Comparaison de deux matrices dans Matlab
- 14. Codage de caractères confusion!
- 15. T4 Confusion
- 16. Critères de filtre SQL dans les critères de jointure ou clause where plus efficace
- 17. COBOL Confusion
- 18. requêtes de critères nhibernate
- 19. plusieurs critères de recherche
- 20. setActualSize() avec les composants Label confusion
- 21. NSDateFormatter confusion
- 22. critères de requête LINQ
- 23. ObsoleteAttribute confusion
- 24. SWIG Lua et matrices de passage
- 25. JPQL et les critères SQL Api
- 26. Comment compiler les critères Propel à SQL
- 27. Confusion à propos de sitemap_index.xml
- 28. .NET ConfigurationManager de la confusion
- 29. opérateurs mathématiques dans les requêtes Critères
- 30. Critères NHibernate pour une table non liée
ce n'est pas un devoir –