论文部分内容阅读
模型选择是模式识别的一个基本问题，但由于模型选择的准则很多，且它们之间关系复杂，所以对这一问题的研究至今仍然存在较多争议。归一化信息增益准则是对信息增益准则的扩展，并被应用于特征选择。由于针对不同问题它的取值总是在0和1之间，因此它可以为不同模型的评估提供一种客观的依据。本文将其引入到分类模型选择中，分析并论证了在二类分类问题中归一化信息增益准则是准确率、精确率和召回率的非线性函数。