分类器性能评价研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·论文背景 | 第10-13页 |
| ·数据挖掘 | 第10-12页 |
| ·数据挖掘中的分类技术 | 第12-13页 |
| ·本文主要工作 | 第13-16页 |
| 2 分类器及其评价 | 第16-32页 |
| ·分类与分类器 | 第16-18页 |
| ·分类器性能评价 | 第18-19页 |
| ·分类器性能评价的作用 | 第19页 |
| ·分类器性能评价的问题 | 第19页 |
| ·分类器性能度量标准 | 第19-25页 |
| ·分类器的准确率 | 第20-21页 |
| ·ROC曲线及AUC | 第21-22页 |
| ·反馈率—精确率曲线 | 第22-23页 |
| ·成本敏感评价 | 第23-24页 |
| ·MDL原理与信息损失函数 | 第24-25页 |
| ·分类器性能评价方式 | 第25-32页 |
| ·留置法 | 第25-26页 |
| ·随机子抽样 | 第26页 |
| ·K-折交叉验证 | 第26-27页 |
| ·留一法 | 第27页 |
| ·引导法 | 第27页 |
| ·置信度试验 | 第27-29页 |
| ·t检验 | 第29-32页 |
| 3 Weka环境下的分类器评价分析 | 第32-58页 |
| ·Weka简介 | 第32-33页 |
| ·Weka分类器评价的静态结构 | 第33-35页 |
| ·evaluation包的分解 | 第33-34页 |
| ·分类器评价主类Evaluation | 第34-35页 |
| ·Evaluation运行方式 | 第35-37页 |
| ·在训练集上进行交叉验证 | 第36页 |
| ·独立的训练集合与测试集合 | 第36-37页 |
| ·对给定的分类器进行评价 | 第37页 |
| ·Evaluation的运行参数 | 第37-44页 |
| ·与建立分类器相关的参数 | 第38-39页 |
| ·与运行方式相关的参数 | 第39-40页 |
| ·分类器在测试集之上的评价指标 | 第40-44页 |
| ·Weka分类器评价指标的数学意义与程序 | 第44-58页 |
| ·Kappa统计量 | 第44-45页 |
| ·相关系数 | 第45-46页 |
| ·数值预测评价指标 | 第46-49页 |
| ·K&B信息量 | 第49-52页 |
| ·类复杂度统计量 | 第52-54页 |
| ·各类的信息检索统计 | 第54-58页 |
| 4 基于限制性贝叶斯分类器的误差分解 | 第58-74页 |
| ·误差的偏差—方差分解 | 第58-59页 |
| ·基于0-1损失函数的偏差—方差分解 | 第59-62页 |
| ·标记定义 | 第59-60页 |
| ·0-1损失函数偏差加方差 | 第60-62页 |
| ·限制性贝叶斯分类器 | 第62-69页 |
| ·朴素贝叶斯分类器 | 第63-65页 |
| ·TAN算法分类器 | 第65-67页 |
| ·SuperParent算法分类器 | 第67-69页 |
| ·一种基于限制性贝叶斯分类器的误差分解方法 | 第69-70页 |
| ·实验方法 | 第70页 |
| ·实验及结果分析 | 第70-74页 |
| 5 总结 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 作者简历 | 第80-84页 |
| 学位论文数据集 | 第84页 |
