Критерий оценки качества классификации за пределами обучающей выборки

Гурина, А.О.; Елисеев, В.Л.

Авторы: Гурина А.О., Елисеев В.Л.
Журнал: Вестник Московского энергетического института
Номер: 1
Год издания: 2022
Издательство: Изд. дом МЭИ
Местоположение издательства: М.
Первая страница: 98
Последняя страница: 110
DOI: 10.24160/1993-6982-2022-1-98-110
Аннотация: Исследуется распространённая проблема моделей машинного обучения - непредсказуемость классификации объектов за пределами обучающей выборки. Анализируется эффективность применения традиционного подхода к оценке качества классификации. Описываются недостатки традиционных показателей качества, которые не позволяют оценить риск возникновения ошибок и степень подверженности модели машинного обучения состязательным атакам. Предлагается новый критерий качества многоклассовой классификации, включающий четыре показателя. Вычисление показателей основано на соотношении размеров области пространства, занимаемого обучающей выборкой и результатами классификации всех точек дискретизированного пространства признаков в рабочем диапазоне их значений. Проводится экспериментальное исследование для визуальной оценки и сравнения качества двух многоклассовых SVM классификаторов на характерных синтетических наборах данных с помощью традиционных и предлагаемых показателей качества. Демонстрируются эффективность и преимущество введенных показателей по сравнению с традиционными. Подтверждается хорошая интерпретируемость значений показателей качества, а также субъективное соответствие метрик ожидаемым результатам сравнения двух SVM классификаторов. Выдвигается предположение о том, что применение нового подхода к оценке качества позволит строить более надёжные классификаторы на основе машинного обучения.
Добавил в систему: Елисеев Владимир Леонидович

	ИСТИНА	Войти в систему Регистрация
	Интеллектуальная Система Тематического Исследования НАукометрических данных
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

Интеллектуальная Система Тематического Исследования НАукометрических данных

Критерий оценки качества классификации за пределами обучающей выборкистатья

Прикрепленные файлы