Fugu-MT 論文翻訳(概要): A Multiclass ROC Curve

論文の概要: A Multiclass ROC Curve

arxiv url: http://arxiv.org/abs/2510.15670v1
Date: Fri, 17 Oct 2025 13:55:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-20 20:17:34.645866
Title: A Multiclass ROC Curve
Title（参考訳）: マルチクラスROC曲線
Authors: Paolo Giudici, Rosa C. Rosciano, Johanna Schrader, Delf-Magnus Kummerfeld,
Abstract要約: 本稿では,多次元ギニ指数を用いた多次元ROC曲線の構成手法を提案する。この枠組みは、医療と金融の総合的なケーススタディによって検証されている。
参考スコア（独自算出の注目度）: 4.165345749682266
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces a novel methodology for constructing multiclass ROC curves using the multidimensional Gini index. The proposed methodology leverages the established relationship between the Gini coefficient and the ROC Curve and extends it to multiclass settings through the multidimensional Gini index. The framework is validated by means of two comprehensive case studies in health care and finance. The paper provides a theoretically grounded solution to multiclass performance evaluation, particularly valuable for imbalanced datasets, for which a prudential assessment should take precedence over class frequency considerations.
Abstract（参考訳）: 本稿では,多次元ギニ指数を用いた多次元ROC曲線の構成手法を提案する。提案手法は,Gini係数とROC曲線の確立した関係を利用して,多次元のGini指数を通したマルチクラス設定に拡張する。この枠組みは、医療と金融の総合的なケーススタディによって検証されている。本論文は,マルチクラス性能評価の理論的基礎とした解であり,特に不均衡なデータセットに有用である。

関連論文リスト

Multiclass threshold-based classification and model evaluation [4.014524824655106]
標準argmaxルールを一般化する多クラス分類のためのしきい値に基づくフレームワークを提案する。実験により、多次元しきい値調整により、様々なネットワークやデータセットのパフォーマンスが向上することが示された。
論文参考訳（メタデータ） (2025-11-26T17:00:00Z)
Risk-averse Fair Multi-class Classification [0.42970700836450487]
我々は,コヒーレントリスク尺度とシステムリスクの理論に基づく新たな分類枠組みを開発する。提案手法は,データがノイズが多く,(問題の次元に対して)不足していて,ラベル付けが信頼性に欠ける場合に,複数のクラスに適している。
論文参考訳（メタデータ） (2025-09-06T16:54:00Z)
Intra-view and Inter-view Correlation Guided Multi-view Novel Class Discovery [52.616615506638205]
新たなクラス発見 (NCD) は、解離した既知のクラスからの知識を活用することで、新しいクラスをクラスタリングすることを目的としている。 Intra-view and Inter-view correlation Guided Multi-view Novel Class Discovery (IICMVNCD) という新しいフレームワークを提案する。 IICMVNCDはマルチビュー環境でNCDを探索する最初の試みである。
論文参考訳（メタデータ） (2025-07-16T08:42:52Z)
Hierarchical Corpus-View-Category Refinement for Carotid Plaque Risk Grading in Ultrasound [29.02957425057645]
我々はCVC-RF(Corpus-View-Category Refinement Framework)を提案する。 CVC-RFはコーパスレベル、ビューレベル、カテゴリーレベルの情報を処理し、モデル性能を向上させる。実験結果から,CVC-RFは多レベル改良によるグローバルな特徴を効果的にモデル化できることが示された。
論文参考訳（メタデータ） (2025-06-29T06:20:15Z)
Top-K Pairwise Ranking: Bridging the Gap Among Ranking-Based Measures for Multi-Label Classification [120.37051160567277]
本稿では,Top-K Pairwise Ranking(TKPR)という新しい尺度を提案する。一連の分析により、TKPRは既存のランキングベースの尺度と互換性があることが示されている。一方,データ依存縮約法という新しい手法に基づいて,提案手法の急激な一般化を確立する。
論文参考訳（メタデータ） (2024-07-09T09:36:37Z)
Multiclass ROC [6.941573057921458]
ペアワイズ・マルチクラス・True Positive Rate(TPR)とFalse Positive Rate(FPR)を要約した評価指標を提供する。これらの分解ベクターに対する統合は、パフォーマンスに関する2値のAUC等価サマリを提供する。提案手法をベンチマークデータセット上でのペア平均AUC統計値と比較した。
論文参考訳（メタデータ） (2024-04-19T19:25:10Z)
Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification [72.77513633290056]
本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。本手法は複雑なパターンと関係を抽出し,分類性能を向上する。
論文参考訳（メタデータ） (2024-02-14T16:10:42Z)
Iterative Preference Learning from Human Feedback: Bridging Theory and Practice for RLHF under KL-Constraint [56.74058752955209]
本稿では,RLHFによる強化学習を用いた生成モデルのアライメント過程について検討する。まず、オフラインPPOやオフラインDPOのような既存の一般的な手法の主な課題を、環境の戦略的探索に欠如していると認識する。有限サンプル理論保証を用いた効率的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-12-18T18:58:42Z)
On Interpretable Approaches to Cluster, Classify and Represent Multi-Subspace Data via Minimum Lossy Coding Length based on Rate-Distortion Theory [0.0]
クラスタリング、分類、表現は、本質的な構造を持つ高次元データから学習する3つの基本的な目的である。本稿では,3つの解釈可能なアプローチ,すなわち,最小ロッシー符号化長基準によるセグメンテーション(クラスタリング),最小インクリメンタル符号化長基準による分類,最大符号化レート削減基準による表現を紹介する。
論文参考訳（メタデータ） (2023-02-21T01:15:08Z)
Learning with Multiclass AUC: Theory and Algorithms [141.63211412386283]
ROC曲線 (AUC) の下の領域は、不均衡学習やレコメンダシステムといった問題に対するよく知られたランキング基準である。本稿では,マルチクラスAUCメトリクスを最適化することで,多クラススコアリング関数を学習する問題について検討する。
論文参考訳（メタデータ） (2021-07-28T05:18:10Z)
MCDAL: Maximum Classifier Discrepancy for Active Learning [74.73133545019877]
近年の最先端のアクティブラーニング手法は, 主にGAN(Generative Adversarial Networks)をサンプル取得に活用している。本稿では,MCDAL(Maximum Discrepancy for Active Learning)と呼ぶ新しいアクティブラーニングフレームワークを提案する。特に,両者の差分を最大化することにより,より厳密な決定境界を学習する2つの補助的分類層を利用する。
論文参考訳（メタデータ） (2021-07-23T06:57:08Z)
Saliency-based Weighted Multi-label Linear Discriminant Analysis [101.12909759844946]
複数ラベルの分類課題を解決するために,LDA(Linear Discriminant Analysis)の新たな変種を提案する。提案手法は,個々の試料の重量を定義する確率モデルに基づく。サリエンシに基づく重み付きマルチラベル LDA アプローチは,様々なマルチラベル分類問題の性能改善につながることが示されている。
論文参考訳（メタデータ） (2020-04-08T19:40:53Z)

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。