可以使用Akaike 信息准则 (AIC)来衡量统计模型的拟合优度，该准则说明了拟合优度和用于模型创建的参数数量。AIC 涉及计算该模型 ( L )的似然函数的最大值。给定分类模型的预测结果，如何计算L，表示为混淆矩阵？
bgbg
问问题
627 次
2 回答
2
无法从混淆矩阵计算 AIC，因为它不包含任何有关可能性的信息。根据您使用的模型，可能可以计算似然性或准似然性，从而计算 AIC 或 QIC。
您正在处理的分类问题是什么，您的模型是什么？
在分类上下文中，通常使用其他度量来进行 GoF 测试。我建议阅读 Hastie、Tibshirani 和 Friedman 的 The Elements of Statistical Learning，以便对这种方法有一个很好的概述。
希望这可以帮助。
于 2009-02-25T21:44:45.700 回答
0
Kononenko 和 Bratko的基于信息的分类器性能评估标准正是我想要的：
分类准确度通常用作分类性能的衡量标准。然而，已知该措施有几个缺陷。一个公平的评估标准应该排除类概率的影响，这可能使完全不知情的分类器能够轻易地实现高分类精度。本文提出了一种评估分类器答案信息分数的方法。它排除了先验概率的影响，处理各种类型的不完美或概率答案，还可用于比较不同领域的性能。
于 2009-03-02T13:09:40.450 回答