典型文献
不平衡数据下模型评价指标的有效性探讨
文献摘要：
模型评价指标对于衡量模型的表现尤为关键,只有正确合理的评价指标才能更好地反映模型的性能优劣.由于AUC和KS指标在被用于评价信用评级模型时,均存在忽视了数据的不平衡性和类别误判代价不等价性的不足,故文章从代价敏感矩阵出发计算总损失,进而提出新的评价指标——AKS指标.进一步地,模拟分析的结果表明,由AKS指标确定的阈值较KS指标更合理,且不同情形下AUC、KS和AKS指标的有效性分析结果表明AKS指标可以较好地衡量模型的分类性能.
文献关键词：
不平衡数据;评价指标;AKS;信用评级模型
中图分类号：
作者姓名：
刘赛可;何晓群;夏利宇
作者机构：
浙大宁波理工学院 计算机与数据工程学院,浙江 宁波 315199;中国人民大学 应用统计科学研究中心,北京 100872;国网能源研究院有限公司 管理咨询研究所,北京 102209
文献出处：
引用格式：
[1]刘赛可;何晓群;夏利宇-.不平衡数据下模型评价指标的有效性探讨)[J].统计与决策,2022(19):5-9
A类：
B类：
不平衡数据,模型评价指标,信用评级模型,不平衡性,误判,不等价,等价性,代价敏感,AKS,更合,有效性分析,分类性能
AB值：
0.274666
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
