核心概念
Classification performance is limited by the relationship between Kullback-Leibler divergence and Cohen's Kappa.
要約
機械学習の分類アルゴリズムの性能は、クラス間のKullback-LeiblerダイバージェンスとCohen's Kappaの関係によって制限される。混同行列から抽出されたパラメータを使用して、混同行列パラメータK、K12、およびK21がEqu. 2.5、Equ. 2.6およびEqu. 2.7に従って抽出される。情報距離測定値D(P∥Q)、D(Q∥P)およびR(P、Q)はCDI(1,2)、CDI(2,1)およびCDRとして記述される。これらはセクション3で説明されている。
統計
混同行列パラメータと情報理論的距離を関連付けるセンテンスが含まれています。
情報理論的距離を推定するために使用された重要な数字や数値はありません。
メインアイデアやコアメッセージをサポートする重要な数字や数値はありません。
引用
"The classification algorithm gives the confusion matrix and κ."
"Important lessons are learnt on how to predict the performance of algorithms for imbalanced data using training datasets that are approximately balanced."
"Machine learning is very powerful but classification performance ultimately depends on the quality of the data and the relevance of the variables to the problem."