关键词matthews correlation coefficient
搜索结果 - 4
- Kirigami:大型卷积核提高基于深度学习的 RNA 二级结构预测
我们引入了一种新颖的全卷积神经网络 (FCN) 结构,用于预测核糖核酸 (RNA) 分子的二级结构。通过将 RNA 结构解释为加权图,我们利用深度学习来估计核苷酸残基之间的配对概率。与我们的模型独特的是其拥有的大型 11-pixel 卷积核 - AAAI简单的弱核心集对于不可分解分类测量
考虑监督分类问题和非可分解评估指标,研究基于分层均匀采样的 coresets 在实证性能与理论保证方面表现优秀,特别针对 F1 得分和 Matthews 相关系数这两个广泛使用且难以优化的非可分解目标函数,证明均匀 coresets 达到了 - 优秀的分类度量及其发现方法
通过定义和分析分类表现的可取特性,研究论证了某些性能度量方法比其他方法更好,并提出了一系列新的度量方法,这些方法在除一种可取特性外均可满足,包括 Matthews 相关系数和对称平衡准确性,为实践人员实现充分的分类结果评估提供了重要工具。
- 多类预测中性能度量的统一视角
本文研究了一种针对多类问题的分类器性能度量 Confusion Entropy 与传统度量 Matthews Correlation Coefficient 的多分类推广之间的关系,并通过理论和计算证据支持了这一结果。