Fugu-MT 論文翻訳(概要): aggmetrics: Aggregating Classification Performance Measures for Machine Learning

論文の概要: aggmetrics: Aggregating Classification Performance Measures for Machine Learning

arxiv url: http://arxiv.org/abs/2610.30456v1
Date: Wed, 21 Oct 2026 21:11:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-24 02:08:44.139048
Title: aggmetrics: Aggregating Classification Performance Measures for Machine Learning
Title（参考訳）: Aggmetrics: マシンラーニングのための分類パフォーマンス対策の集約
Abstract要約: aggmetricsはPythonパッケージで、4つの混乱行列で表される任意のバイナリパフォーマンス指標を、マルチクラス、マルチラベル、順序付き、コスト感受性、ソフトラベル、クロスバリデーション設定に拡張する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: aggmetrics is a Python package that extends any binary performance measure expressed in the four confusion-matrix counts to multiclass, multilabel, ordinal, cost-sensitive, soft-label and cross-validation settings, by substituting one of four aggregation operators for what libraries usually expose as an average switch. The package also stores, for every measure, the structural properties that decide which identities apply to it, can infer those properties from a user-supplied formula, and uses them to warn when a measure is used where it does not behave as commonly assumed. Its test suite encodes the results of the companion theory as executable tests. The package is BSD-3 licensed, depends only on NumPy, and is available at https://github.com/rcprati/aggmetrics; documentation at https://aggmetrics.readthedocs.io.
Abstract（参考訳）: aggmetricsはPythonパッケージで、4つの混乱行列で表される任意のバイナリパフォーマンス尺度を、平均的なスイッチとして公開する4つのアグリゲーション演算子のうちの1つに代えて、マルチクラス、マルチラベル、オーディショナル、コスト感受性、ソフトラベル、クロスバリデーション設定に拡張する。パッケージはまた、どのIDが適用されるかを決定する構造的特性を格納し、それらの特性をユーザが提供する式から推論し、一般的に想定されるように振る舞わない測度を使用する場合に警告する。そのテストスイートは、相補的理論の結果を実行可能なテストとしてエンコードする。パッケージはBSD-3ライセンスで、NumPyのみに依存し、https://github.com/rcprati/aggmetrics; documentation at https://aggmetrics.readthedocs.ioで入手できる。

関連論文リスト

netseg: a Python Package for Measuring Structural Polarization and Segregation in Social Networks [0.0]
Netsegは、ネットワークインデックスのセットを実装するPythonパッケージである。パッケージはigraphオブジェクトで動作し、基礎となるグラフ操作を実行する。生成的意見モデルのパラメータスイープ上でのすべての指標の振舞いを報告する。
論文参考訳（メタデータ） (2026-09-14T10:27:11Z)
spd-metrics-id: A Python Package for SPD-Aware Distance Metrics in Connectome Fingerprinting and Beyond [0.0]
spd-metrics-idは、SPD行列間の距離と発散を計算するPythonパッケージである。このパッケージは、Alpha-z Bures-Wasserstein、Alpha-Procrustes、affine-invariantian、log-Euclideanなど、様々な幾何学的なメトリクスをサポートしている。パッケージはhttps://pypi.org/project/spd-metrics-id/で公開されている。
論文参考訳（メタデータ） (2025-10-06T02:12:55Z)
PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文参考訳（メタデータ） (2024-12-09T11:00:55Z)
ml_edm package: a Python toolkit for Machine Learning based Early Decision Making [0.43363943304569713]
textttml_edmは、時間/シーケンスデータを含む学習タスクの早期決定のために設計されたPython 3ライブラリである。 textttscikit-learnは、textttml_edmと互換性のある推定器とパイプラインを作成する。
論文参考訳（メタデータ） (2024-08-23T09:08:17Z)
Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文参考訳（メタデータ） (2022-11-21T18:47:11Z)
DADApy: Distance-based Analysis of DAta-manifolds in Python [51.37841707191944]
DADApyは、高次元データの分析と特徴付けのためのピソンソフトウェアパッケージである。固有次元と確率密度を推定し、密度に基づくクラスタリングを行い、異なる距離メトリクスを比較する方法を提供する。
論文参考訳（メタデータ） (2022-05-04T08:41:59Z)
PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
論文参考訳（メタデータ） (2022-01-12T07:32:36Z)
Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
論文参考訳（メタデータ） (2021-09-06T16:46:38Z)
QuaPy: A Python-Based Framework for Quantification [76.22817970624875]
QuaPyは、定量化を行うためのオープンソースのフレームワークである(例えば、教師付き精度推定)。 Pythonで書かれており、pip経由でインストールできる。
論文参考訳（メタデータ） (2021-06-18T13:57:11Z)
DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python [1.4911092205861822]
DoubleMLはオープンソースのPythonライブラリで、Chernozhukovらのダブル機械学習フレームワークを実装している。パラメータの推定が機械学習手法に基づく場合、因果パラメータの統計的推測に有効な機能を含む。このパッケージはMITライセンスで配布されており、科学的なPythonエコシステムのコアライブラリに依存している。
論文参考訳（メタデータ） (2021-04-07T16:16:39Z)
Machine Learning using Stata/Python [0.0]
本稿では,一般的な機械学習(ML)手法に適合する2つのスタタモジュール,r_ml_stataとc_ml_stataを提案する。 R_ml_stataとc_ml_stataはPython Scikit-learn APIを使用して、クロスバリデーションと結果/ラベル予測の両方を実行する。
論文参考訳（メタデータ） (2021-03-03T10:31:44Z)

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。