改进的分类器分类性能评价指标研究

摘要

为更加科学有效地评判分类器分类效果,提升分类结果的可用性.在精确率、召回率和F1-sco re这三种现有分类器评价指标的基础上,设计新的分类器评价指标,以解决上述评价指标未考虑分类结果的稳定性以及数据集不均衡的条件下评判结果适用性较差的问题.通过基于CNN与RNN分类器的分类实验,对比新旧指标在分类器性能评价中的不同表现,结果表明,新指标对分类结果的评价更为全面,但新指标对不平衡数据集分类的适用性还可进一步提高.总体而言,与现有指标相比,新指标能够较好地体现分类结果的稳定性,更加适合不平衡数据集的分类效果评价.