基于AUC方法评估多类别贝叶斯分类器的性能

摘要：

分类器评估一般采用准确性评估.理论证明,基于AUC方法评估分类器优于准确性评估方法,但该方法局限于二类分类问题.提出一种将二类分类问题推广到多类分类问题的新方法,用纠错输出码转换得到转换矩阵,通过转换矩阵把多类分类问题转换成二类分类问题,计算二类分类的平均值来评估分类器的性能.新方法在MBNC实验平台下编程实现,并评估贝叶斯分类器的性能,实验结果表明,这种方法是有效的.

关键词：分类器评估、准确性评估、二类分类、多类分类、纠错输出码

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：安徽省教育厅自然科学基金KJ2007A051

在线出版日期：2008-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：5919-5920,5972