Porovnání vlastností klasifikačních algoritmů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F05%3A00001786" target="_blank" >RIV/62690094:18450/05:00001786 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Comparison the Quality of Classification Algorithms

Popis výsledku v původním jazyce

This article summarises and describes different measures of the predictive quality(performance) of classification models. Quantitative measures of quality can becomplemented with the visual representation. One of the best known is the ROC(Receiver Operating Characteristic) curve that represents the performance of binaryclassification model within the full range of conditions (costs and class distributions) ofdiscrimination. The duality between ROC and expected costs of a classifier (cost curve) isdescribed in more details here. Cost curve measures the difference in performance of twoclassifiers directly in expected costs (EC). The use of ROC and EC is highly importantwhen asymmetric misclassification costs, imbalanced probabilities of classes or changingconditions occur. A hybrid classifier can be found on the convex hull (ROCCH) of theROC curves of different classifiers. This is potentially the best classification model forany mixture of outside constraints. Lower envelope of cost cur

Název v anglickém jazyce

Comparison the Quality of Classification Algorithms

Popis výsledku anglicky

This article summarises and describes different measures of the predictive quality(performance) of classification models. Quantitative measures of quality can becomplemented with the visual representation. One of the best known is the ROC(Receiver Operating Characteristic) curve that represents the performance of binaryclassification model within the full range of conditions (costs and class distributions) ofdiscrimination. The duality between ROC and expected costs of a classifier (cost curve) isdescribed in more details here. Cost curve measures the difference in performance of twoclassifiers directly in expected costs (EC). The use of ROC and EC is highly importantwhen asymmetric misclassification costs, imbalanced probabilities of classes or changingconditions occur. A hybrid classifier can be found on the convex hull (ROCCH) of theROC curves of different classifiers. This is potentially the best classification model forany mixture of outside constraints. Lower envelope of cost cur

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GA402%2F04%2F1308" target="_blank" >GA402/04/1308: Klasifikační modely a porovnání jejich prediktivních vlastností</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2005

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 23rd International Conference Mathematical Methods in Economics 2005

ISBN

80-7041-535-5

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

344-349

Název nakladatele

Gaudeamus Universita

Místo vydání

Hradec Králové

Místo konání akce

—

Datum konání akce

—

Typ akce podle státní příslušnosti

—

Kód UT WoS článku

—