文献类型：期刊文章

作　　者：杨杏丽[1,2]

YANG Xing-li(School of Mathematical Sciences,Shanxi University,Taiyuan 030006,China;School of Computer and Information Technology,Shanxi University,Taiyuan 030006,China)

机构地区：[1]山西大学数学科学学院,太原030006 [2]山西大学计算机与信息技术学院,太原030006

出　　处：《计算机科学》

基　　金：国家自然科学基金(62076156,61806115);山西省应用基础研究项目(201901D111034,201801D211002);统计与数据科学前沿理论及应用教育部重点实验室开放研究课题(KLATASDS2007)。

年　　份：2021

卷　　号：48

期　　号：8

起止页码：209-219

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：在机器学习的分类问题研究中,对分类学习算法的正确评价是非常重要的。现实中,许多性能度量指标被从不同的角度提出,文中主要介绍了基于错误率的、基于混淆矩阵的和基于统计显著性检验的三大类性能度量指标,详细地讨论了分类学习算法各性能度量指标的提出背景、意义以及适用范围,分析了各种性能度量之间的差异,提出和分析了各方法中有待进一步研究的问题和方向。进一步,通过实验数据横向(每类度量中各方法之间的类内差异)和纵向(3类度量之间的类间差异)对照了各性能度量指标之间的差异,分析了各性能度量指标在分类算法选择上的一致性。

关 键 词：性能度量  错误率 混淆矩阵 统计检验  

分 类 号：TP181]