论文部分内容阅读
分类算法的现有评价指标存在一些问题，主要是评测数值在不同的数据集上呈现剧烈波动。为解决这一问题，通过考察数据集对分类结果的影响，提出了一种对分类算法的新评测指标new-macro-F1。这一新评测指标将数据集的因素从评测过程中独立了出来，使得new-macro-F1表示的仅仅是分类算法本身。实验结果表明使用新评测指标，同一分类器在不同数据集上的表现波动较小;通过分类器在一个数据集上的表现，可以近似的估计该分类器在另一数据集上的分类质量。