質問
一つは、赤池情報量基準(AIC)に使用する統計モデルの適合度を測定することができます、フィット感の良さのために、モデル作成に使用されたパラメータの数を占めています。 AICは、モデルの尤度関数の最大値の計算を伴う( L )。 どのように1は、分類モデルの予測結果を考えると、のL を計算することができ、混同行列として表さ?
解決 2
分類器の性能の
情報ベースの評価基準KononenkoとBratkoによってまさに私です探していた。
分類精度は、通常、分類性能の尺度として使用されます。この措置は、しかし、いくつかの欠点を有することが知られています。公正な評価基準は自明高い分類精度を達成するために完全に無知な分級を可能にするクラス確率の影響を排除すべきです。本稿では、分類器 "の答えの情報スコアを評価するための方法が提案されています。それは、事前確率の影響を排除し、不完全または確率回答の様々な種類を扱うと異なるドメインでの性能を比較するためにも使用することができます。
他のヒント
可能性に関する情報が含まれていないので、混同行列からAICを計算することはできません。モデルに応じて、あなたは可能性または準見込みとなりAICまたはQICを計算することが可能かもしれ使用しています。
あなたが作業している分類問題とは何か、そして、あなたのモデルは何ですか?
は、分類のコンテキストでは、多くの場合、他の対策は、GoFのテストを行うために使用されています。私は方法論のこの種の優れた概要を取得するにはHastie、Tibshiraniとフリードマンによる統計的学習の要素を読んでお勧めします。
この情報がお役に立てば幸いです。
所属していません StackOverflow