基于AUC方法评估多类别贝叶斯分类器的性能.pdfVIP

第28卷 第24期 计算机工程与设计 2007年l2月 Vo1．28 NO．24 Computer Engineering and Design Dec．2007 基于AUC方法评估多类别贝叶斯分类器的性能 秦 锋， 罗 慧， 程泽凯， 任诗流， 陈 莉 (安徽工业大学计算机学院，安徽马鞍山243002) 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 中图法分类号：TPI8 文献标识码：A 文章编号：1000—7024(2007)24．5919．02 Evaluating performance of multiple Bayes classifier based on AUC method QrN Feng，LUO Hui， CHENG Ze—kai， REN Shi—liu， CHEN Li (School of Computer Science，Anhui University of Technology,Ma’anshan 243002，China) Abstract：The evaluation ofclassifiers has been an important stIldy in data mining and machine learning field．AUC(area under the re- ceiver operating characteristic curve)is determined as a beRer way to evaluate classifiers than predictive accuracy．Howeve~ AUC only is used for two classes to date．A new method is referred．A conversion matrix is received by using error correcting output codes． Based on convem~ion matrix， multiple-classifier is tumed into two-classifier~ Computing the AUC value for each two-classifier and ave- rage all of the AUCs of two-classifier~The average of AUC value is used as a criterion for evaluating the performance of classifiers． Making experiment in MBNC experiment platform ，the results show that the new method is effective． Key words：classification；accuracy；two-classifier；multiple-classifier；error correcting output codes 类器的AUC值，再求其均值，得到平均AUC值(averageofAUC， 0 引 言 AAuC)，用AAUC值来作为评估多类分类器性能的指标。 分类器评估是数据挖掘与机器学习领域的一个研究热点 和难