中文会议： Proceedings of 2011 AASRI Conference on Applied Information Technology（AASRI-AIT 2011 V2）

会议日期： 2011-07-16

会议地点： Kota Kinabalu, Malaysia

出版方 ： Intelligent Information Technology Application Association

作　　者： ; ; ; ;

机构地区： 吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室

出　　处： 《2011 AASRI Conference on Applied Information Technology(AASRIAIT 2011)》

摘　　要： 在不平衡数据学习问题中,不同类别上的正确率对总体性能有不同的贡献,而AUC并没有反映这一点。本文提出一种新的分类器性能评估度量wAUC和一种新颖的求取wAUC值的方法。这种方法对于TPrate取不同值的区域,采用不同的权值,计算ROC曲线下方面积。本文讨论了权值的选择方法,以及w AUC的性质,并指出AUC是wAUC的特殊情形。实验结果表明,w AUC优于AUC。

关 键 词： 机器学习 分类 模型选择

分 类 号： [TP181]

领　　域： [自动化与计算机技术] [自动化与计算机技术]