PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2014 | 23 | nr 328 Klasyfikacja i analiza danych - teoria i zastosowania | 156--166
Tytuł artykułu

Wybrane metody oceny jakości klasyfikatorów - przegląd i przykłady zastosowań

Treść / Zawartość
Warianty tytułu
Selected Methods for Assessing the Performance of Classifiers - an Overview and Examples of Applications
Języki publikacji
PL
Abstrakty
W przypadku zagadnienia klasyfikacji obiektów do dwóch klas popularnym narzędziem oceny i porównywania różnych modeli klasyfikacyjnych jest krzywa ROC oraz wielkość pola pod krzywą (AUC). W ostatnich latach w publikacjach o tematyce medycznej pojawiło się kilka nowych metod pozwalających ocenić zdolność predykcyjną klasyfikato-rów. Wymienić tu należy zaproponowaną przez Cook [2008] metodę reklasyfikacji (Reclas-sification) oraz zaproponowane przez Pencinę i in. [2008] wskaźniki: NRI (Net Reclassifica-tion Improvement) i IDI (Integrated Discrimination Improvement). W artykule zwięźle scha-rakteryzowano wymienione metody oraz zaprezentowano ich możliwości aplikacyjne.(abstrakt oryginalny)
EN
The ROC curve and the area under the ROC curve (AUC) are popular measures for evaluating the performance of classification models for binary outcomes. Recently, sev-eral new measures have been proposed to assess the predictive ability of classifiers. These include, among others, reclassification tables [Cook 2008], net reclassification improvement (NRI) and integrated discrimination improvement (IDI) [Pencina et al. 2008]. This paper briefly describes the methods listed above and presents some examples of their application possibilities.(original abstract)
Twórcy
  • Uniwersytet Łódzki
Bibliografia
  • Cook N.R. (2007), Use and Misuse of the Receiver Operating Characteristic Curve in Risk Predic-tion, "Circulation", 115, s. 928-935.
  • Cook N.R. (2008), Statistical Evaluation of Prognostic versus Diagnostic Models: Beyond the ROC Curve, "Clinical Chemistry", 54, 1, s. 17-23.
  • Fawcett T. (2006), An introduction to ROC analysis, "Pattern Recognition Letters", 27, s. 861-874.
  • Fielding A.H. (2007), Cluster and Classification Techniques for the Biosciences, Cambridge Univer-sity Press, Cambridge.
  • Krzanowski W.J., Hand D.J. (2009), ROC Curves for Continuous Data, CRC Press, Boca Raton - London - New York.
  • Kundu S., Aulchenko Y.S., Janssens A.C.J.W. (2011), Predict ABEL: An R package for the assess-ment of risk prediction models, "European Journal of Epidemiology", 26, s. 261-264.
  • Pencina M.J., D'Agostino R.B. Sr, D'Agostino R.B. Jr, Vasan R.S. (2008), Evaluating the added predictive ability of a new marker: From area under the ROC curve to reclassification and be-yond, "Statistics in Medicine", 27, s. 157-172.
  • Pencina M.J., D'Agostino R.B. Sr, Steyerberg E.W. (2011), Extensions of net reclassification im-provement calculations to measure usefulness of new biomarkers, "Statistics in Medicine", 30, s. 11-21.
  • Provost F., Domingos P. (2001), Well-trained PETs: Improving Probability Estimation Trees, CeDER Working Paper
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171283297

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.