#classifier #roc #classification #auc

hmeasure

AUC评估二分类器的H-Measure的Rust实现

6次发布

0.0.6 2023年4月16日
0.0.5 2023年4月14日

#414 in 机器学习

MIT许可证

25KB
412 代码行

H-Measure

hmeasure crate提供了H-measure的Rust实现。H-measure是广泛使用的AUC度量(ROC曲线下的面积)的**一致替代方案**,用于评估二分类器的相对质量。AUC隐式地假设不同的“错误成本”分布取决于所应用的分类器,而H-Measure则允许研究人员在所有研究的分类器上固定一致的“错误成本”分布。 “错误成本”是所建模主题的固有属性,不应依赖于用于建模该主题的具体模型。H-Measure实现了这种一致性,而AUC则没有。

H-Measure是由David J. Hand在论文中引入的

"测量分类器性能:ROC曲线下的面积的一致替代方案" Mach Learn (2009) 77: 103–123 https://link.springer.com/article/10.1007/s10994-009-5119-5

https://github.com/robinwiseman/pyhmeasure提供了基于rust pyo3的包装器,用于在Python中公开hmeasure crate。

还提供了Rust hmeasure实现与等效Python实现之间的基准比较。

https://github.com/robinwiseman/finML/blob/aa12845f01454c24f36f4df0d1cb6e0993ea7c7f/src/finML_2022.pdf的第2章中提供了进一步的讨论和示例。

依赖关系

~5MB
~97K SLoC