机构名称：
¥ 1.0
许多不同的措施通常用于评估预测算法的表现。这些度量是根据实现的预测因子（例如，结合官方）还是分类的性能来评估的。在几乎所有情况下，正确预测的示例的百分比都不是分类任务中预测性能的最佳指标，因为阳性数量通常比独立测试集中的负元数小得多。算法低估了很多，因此似乎具有很高的成功率，但不是很有用。我们从一组具有n个预先介绍值的数据和n个实际（或目标）值的数据中定义了一组性能度量。使用选择的预测方法找到了值p i，而A i是已知的相应目标值。通过引入阈值t a，可以将n个点分为实际的阳性a P（具有实际值A I大于t a的点）和实际的负面n n。同样，通过引入预测值t p的阈值，这些点可以分为预测的阳性p p，并预测负p n。这些定义总结在表4.2中，以下将用于定义一系列不同的性能度量。
免疫生物信息学
主要关键词
相关文件推荐
