实体
Receiver Operating Characteristic Curve
Receiver Operating Characteristic Curve
PulseAugur coverage of Receiver Operating Characteristic Curve — every cluster mentioning Receiver Operating Characteristic Curve across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法解决有偏数据以最大化机器学习中的AUC
研究人员开发了一种新方法，用于在处理有偏的阳性-无标签（PU）数据时最大化接收者操作特征曲线下面积（AUC）。该方法解决了现实世界中常见的挑战，即标记的阳性数据可能不能代表真实的阳性分布。关键创新在于利用“置信度”——一个实例为阳性的概率——来推导AUC风险估计器，从而即使在有偏样本下也能有效最大化AUC。该方法被证明在置信度度量是真实后验概率的任何严格递增变换时是贝叶斯最优的，并在八个真实世界数据集上进行了实验验证。
-
新方法改进工业异常检测的校准和评估
研究人员开发了用于校准工业异常检测系统的新方法，特别是在面对分布偏移和标记异常稀缺的情况下。一种方法 SPARC 使用少量已验证的正常图像来调整斑块特征，从而提高 Image AUROC 和 AU-PRO 等性能指标。另一种方法侧重于无分布误报校准和机会校正空间评估，通过考虑异常图与缺陷掩模的空间重叠并考虑机会因素，对检测器性能进行更精确的评估。
-
研究人员回顾ROC曲线并证明其下面积的解释
本文对接收者操作特征（ROC）曲线进行了全面回顾，ROC曲线是评估二元分类器的常用指标。它将ROC曲线下面积的概率解释形式化，该面积代表随机正样本的排名高于随机负样本的可能性。此外，当某些假设不满足时，本文还为与此解释的偏差建立了界限。