理论物理学家和研究科学家Mehmet Suzen曾表示,二分类任务是机器学习的基础。但是,其性能的标准统计信息是一种数学工具,ROC-AUC很难解释。在这里,引入了一种性能度量,该度量仅考虑进行正确的二进制分类的可能性。
机器学习模型的核心应用是二分类任务。从用于诊断测试的医学领域到为消费者提供信用风险决策的领域,有很多领域。建立分类器的技术多种多样,从简单的决策树到逻辑回归,再到最近利用多层神经网络的超酷深度学习模型。但是,它们在构造和训练方法上在数学上有所不同,就其评估而言,事情变得棘手。在本文中,我们为实践中的二元分类器提出了一种简单且可解释的性能指标。
为什么ROC-AUC无法解释?
因为不同的阈值会产生不同的混淆矩阵。
报告分类器性能的实际标准是使用接收机工作特性(ROC)-曲线下面积(AUC)''度量。它起源于1940年代美国海军研发雷达时,用于测量探测性能。 ROC-AUC的含义至少有5种不同的定义,即使您拥有博士学位也是如此。在机器学习中,人们很难解释AUC作为绩效指标的含义。由于AUC功能几乎在所有图书馆中都可用,并且它几乎像一种宗教仪式一样,在机器学习论文中作为分类表现进行报告。但是,除了荒谬的比较问题之外,其解释并不容易,请参阅hmeasure。 AUC会根据从不同阈值的混淆矩阵中提取的假正率(FPR)来衡量真正率(TPR)曲线下的面积。
f(x)= y
∫10 f(x)dx = AUC
其中,y是TPR,x是FPR。除了多种解释且容易混淆之外,将积分放在FPR之上没有明确的目的。显然,我们希望通过将FPR设置为零来实现完美的分类,但是该区域在数学上并不清晰,这意味着它作为一个数学对象是不清楚的。
正确分类的概率(PCC)
对于二分类问题的分类器而言,一种简单且可解释的性能指标对于技术含量高的数据科学家和非技术利益相关者都非常有用。这个方向的基本租户是,分类器技术的目的是区分两个类别的能力。这归结为一个概率值,正确分类的概率(PCC)。一个明显的选择是所谓的平衡精度(BA)。通常建议将其用于不平衡问题,即使是SAS也是如此;尽管他们使用了概率相乘。由于统计上的依赖性,在这里我们将BA称为PCC并使用加法代替:
PCC =(TPR + TNR)/ 2
TPR = TP /(条件正例)= TP /(TP + FN)
TNR = TN /(条件负例)= TN /(TN + FP)。
PCC告诉我们分类器在检测任何一个分类中有多好,它是一个概率值[0,1]。请注意,即使我们的数据在生产中是均衡的,在肯定和否定情况下使用总精度也会产生误导,即使我们衡量绩效的批次可能不均衡,所以仅凭准确性并不是一个好方法。
生产问题
迫在眉睫的问题是如何在生成混淆矩阵时选择阈值?一种选择是选择一个阈值,以使PCC在测试集上的生产最大化。为了改善PCC的估计,可以对测试集进行重采样以获得良好的不确定性。
结论
我们尝试通过引入PCC或平衡精度作为二进制分类器的一种简单且可解释的性能指标来规避报告AUC。这很容易向非技术人员解释。可以引入一种改进的PCC,它考虑到更好的估计属性,但是主要解释仍然与正确分类的可能性相同。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14