혼동 행렬에 대한 정보 기준

Question

하나는 통계 모델의 착용감을 측정 할 수 있습니다. Akaike Information Criterion (AIC), 적합성과 모델 생성에 사용 된 매개 변수 수를 설명합니다. AIC는 해당 모델에 대한 우도 함수의 최대 값의 계산을 포함합니다 (엘). 어떻게 계산할 수 있습니까? 엘, 분류 모델의 예측 결과가 주어진 혼란 매트릭스로 표시됩니까?

Answer 1

분류기 성능에 대한 정보 기반 평가 기준 Kononenko와 Bratko는 바로 내가 찾고 있던 것입니다.

분류 정확도는 일반적으로 분류 성능의 척도로 사용됩니다. 그러나이 측정은 여러 결함이있는 것으로 알려져 있습니다. 공정한 평가 기준은 완전히 정보가없는 분류기가 고등 분류 정확도를 사소하게 달성 할 수있는 클래스 확률의 영향을 배제해야합니다. 이 백서에서는 분류기의 답변의 정보 점수를 평가하는 방법이 제안됩니다. 이전 확률의 영향을 제외하고 다양한 유형의 불완전한 또는 확률 적 답변을 다루며 다른 영역의 성능을 비교하는 데에도 사용할 수 있습니다.

Answer 2

혼동 행렬에서 AIC를 계산할 수 없습니다. 가능성에 대한 정보가 포함되어 있지 않기 때문입니다. 사용중인 모델에 따라 가능성 또는 준수성을 계산하여 AIC 또는 QIC를 계산할 수 있습니다.

작업중 인 분류 문제는 무엇이며 모델은 무엇입니까?

분류 컨텍스트에서 종종 다른 측정 값은 GOF 테스트를 수행하는 데 사용됩니다. Hastie, Tibshirani 및 Friedman의 통계 학습 요소를 읽어 이러한 종류의 방법론에 대한 좋은 개요를 얻는 것이 좋습니다.

도움이 되었기를 바랍니다.