Fugu-MT 論文翻訳(概要): Null/No Information Rate (NIR): a statistical test to assess if a classification accuracy is significant for a given problem

論文の概要: Null/No Information Rate (NIR): a statistical test to assess if a classification accuracy is significant for a given problem

arxiv url: http://arxiv.org/abs/2306.06140v1
Date: Fri, 9 Jun 2023 07:01:17 GMT
ステータス: 処理完了
システム内更新日: 2023-06-13 20:59:31.967210
Title: Null/No Information Rate (NIR): a statistical test to assess if a classification accuracy is significant for a given problem
Title（参考訳）: null/no information rate (nir): 与えられた問題に対して分類精度が有意かどうかを評価する統計試験
Authors: Manuele Bicego and Antonella Mensi
Abstract要約: 分類システムを開発した後、「この精度は十分高いのか? NIR(No Information Rate or Null Information Rate)と呼ぶ場合もある。本稿では,NIR(No Information Rate or Null Information Rate)と呼ぶ統計テストについて述べる。
参考スコア（独自算出の注目度）: 2.4028383570062606
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In many research contexts, especially in the biomedical field, after studying and developing a classification system a natural question arises: "Is this accuracy enough high?", or better, "Can we say, with a statistically significant confidence, that our classification system is able to solve the problem"? To answer to this question, we can use the statistical test described in this paper, which is referred in some cases as NIR (No Information Rate or Null Information Rate).
Abstract（参考訳）: 多くの研究の文脈、特に生物医学分野において、分類システムの研究と開発の後、「この精度は十分高いのか」、あるいは「統計的に有意な自信をもって、我々の分類システムが問題を解決できるのか」という自然な疑問が生じる。この質問に答えるために、本論文で記載された統計テストを利用することができ、ある場合には、nir(no information rate or null information rate)と呼ばれる。

関連論文リスト

Certainly Uncertain: A Benchmark and Metric for Multimodal Epistemic and Aleatoric Awareness [106.52630978891054]
視覚言語AIシステムに特有の不確実性の分類法を提案する。また、精度と校正誤差の両方によく相関する新しい計量信頼度重み付き精度を導入する。
論文参考訳（メタデータ） (2024-07-02T04:23:54Z)
A Saliency-based Clustering Framework for Identifying Aberrant Predictions [49.1574468325115]
本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
論文参考訳（メタデータ） (2023-11-11T01:53:59Z)
Towards unraveling calibration biases in medical image analysis [2.4054878434935074]
典型的に採用されるキャリブレーションの指標が,サンプルサイズに対して体系的に偏りがあることを示す。これは、データ不均衡が人口構成群間で劇的なサンプルサイズ差をもたらすフェアネス研究に特に関係している。
論文参考訳（メタデータ） (2023-05-09T00:11:35Z)
Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
論文参考訳（メタデータ） (2023-01-03T11:34:36Z)
Estimating Classification Confidence Using Kernel Densities [0.0]
本稿では,「探索的」機械学習分類問題に対する信頼性のポストホック校正について検討する。カテゴリー固有の信頼度推定の慣用性を扱うために設計された4つの新しいアルゴリズムを導入・テストする。
論文参考訳（メタデータ） (2022-07-13T21:57:44Z)
What is Flagged in Uncertainty Quantification? Latent Density Models for Uncertainty Categorization [68.15353480798244]
不確実性定量化(UQ)は、信頼できる機械学習モデルを作成する上で不可欠である。近年、疑わしい事例にフラグを立てるUQ手法が急上昇している。分類タスクにおけるUQ手法によってフラグ付けされた不確実な例を分類する枠組みを提案する。
論文参考訳（メタデータ） (2022-07-11T19:47:00Z)
Research on Question Classification Methods in the Medical Field [0.0]
本稿では,医療分野における質問分類のためのデータセットを提案する。実験の結果,提案手法は質問分類の性能を効果的に向上させることができることがわかった。
論文参考訳（メタデータ） (2022-02-01T09:58:30Z)
Positive-Unlabeled Classification under Class-Prior Shift: A Prior-invariant Approach Based on Density Ratio Estimation [85.75352990739154]
密度比推定に基づく新しいPU分類法を提案する。提案手法の顕著な利点は、訓練段階においてクラスプライヤを必要としないことである。
論文参考訳（メタデータ） (2021-07-11T13:36:53Z)
Approaching Neural Network Uncertainty Realism [53.308409014122816]
自動運転車などの安全クリティカルなシステムには、定量化または少なくとも上限の不確実性が不可欠です。マハラノビス距離に基づく統計的テストにより、厳しい品質基準である不確実性リアリズムを評価します。自動車分野に採用し、プレーンエンコーダデコーダモデルと比較して、不確実性リアリズムを大幅に改善することを示した。
論文参考訳（メタデータ） (2021-01-08T11:56:12Z)
Quantifying and Leveraging Predictive Uncertainty for Medical Image Assessment [13.330243305948278]
本稿では,分類の確率的推定だけでなく,明確な不確実性も学習するシステムを提案する。我々は,異なる放射線検査による医用画像のあいまいさを考慮に入れることが重要であると論じる。本実験では, 予測不確実性に基づくサンプルの拒絶が, 様々なタスクにおけるROC-AUCを大幅に改善できることを実証した。
論文参考訳（メタデータ） (2020-07-08T16:47:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。