%0 Journal Article
%T 基于AUC的分类器评价和设计综述
%A 汪云云
%A 陈松灿
%J 模式识别与人工智能
%P 64-71
%D 2011
%X 尽管精度(或总体错分率)普遍用作分类算法的性能评价指标，但存在诸如敏感于类先验分布和错分代价，忽略分类算法所得的后验概率或排序信息等不足。而接收者操作特性(ROC)曲线下面积则能度量算法在整个类先验分布及错分代价范围内的总体分类性能、后验概率和排序性能，因此在分类学习中受到越来越多的关注，由此涌现出众多研究成果。文章旨在对此作相对全面的回顾和总结，包括AUC作为性能评价指标的优势所在，基于AUC优化的算法设计，基于精度优化和AUC优化的算法间的关系以及AUC存在的不足及改进。
%K 精度
%K 接收者操作特性(ROC)曲线
%K ROC曲线下面积(AUC)
%K 性能评价指标
%K 分类器设计
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9316.shtml