论文部分内容阅读
预测的准确率已被广泛用于作为分类学习系统预测性能的主要评估标准.然而，它存在着如忽视预测产生的概率信息等诸多缺点和不足之处.文章中，提出并推荐使用一种新的分类学习系统评估度量--AUC(the area under theReceiver Operating Characteristic curve).它弥补了准确率评估标准的不足，利用了分类器所产生的概率或分数，具有诱人的性质和广阔的应用前景.通过分析、比较得出结论，AUC是优于准确率并应替代准确率的分类学习系统评估度量.