Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2510.15670

帮助 | 高级搜索

统计学 > 方法论

arXiv:2510.15670 (stat)
[提交于 2025年10月17日 ]

标题: 多类ROC曲线

标题: A Multiclass ROC Curve

Authors:Paolo Giudici, Rosa C. Rosciano, Johanna Schrader, Delf-Magnus Kummerfeld
摘要: 本文介绍了一种新颖的方法,用于使用多维基尼指数构建多类ROC曲线。所提出的方法利用了基尼系数与ROC曲线之间的已知关系,并通过多维基尼指数将其扩展到多类设置。该框架通过医疗和金融领域的两个全面案例研究进行了验证。本文提供了一个理论上有依据的多类性能评估解决方案,特别适用于不平衡数据集,对于这些数据集,谨慎的评估应优先于类别频率的考虑。
摘要: This paper introduces a novel methodology for constructing multiclass ROC curves using the multidimensional Gini index. The proposed methodology leverages the established relationship between the Gini coefficient and the ROC Curve and extends it to multiclass settings through the multidimensional Gini index. The framework is validated by means of two comprehensive case studies in health care and finance. The paper provides a theoretically grounded solution to multiclass performance evaluation, particularly valuable for imbalanced datasets, for which a prudential assessment should take precedence over class frequency considerations.
主题: 方法论 (stat.ME) ; 机器学习 (stat.ML)
引用方式: arXiv:2510.15670 [stat.ME]
  (或者 arXiv:2510.15670v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.15670
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Johanna Schrader [查看电子邮件]
[v1] 星期五, 2025 年 10 月 17 日 13:55:07 UTC (110 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号