Métodos de avaliação de classificação

Técnicas de classificação têm sido aplicadas a muitas aplicações em vários campos das ciências. Existem várias maneiras de avaliar algoritmos de classificação. A análise dessas métricas e seu significado devem ser interpretados corretamente para avaliar diferentes algoritmos de aprendizagem. A maioria dessas medidas são métricas escalares e algumas são métodos gráficos. Este artigo apresenta uma visão geral detalhada das medidas de avaliação de classificação com o objetivo de fornecer o básico dessas medidas e mostrar como elas funcionam para servir como uma fonte abrangente para pesquisadores interessados nesta área. Esta visão geral começa destacando a definição da matriz de confusão em problemas de classificação binária e multiclasses. Muitas medidas de classificação também são explicadas em detalhes, e a influência de dados balanceados e desbalanceados em cada métrica é apresentada. Um exemplo ilustrativo é apresentado para mostrar (1) como calcular essas medidas em problemas de classificação binária e multiclasses, e (2) a robustez de algumas medidas contra dados balanceados e desbalanceados. Além disso, algumas medidas gráficas, como as curvas de características operacionais do receptor (ROC), Precisão-Rechamada e curva de troca de erro de detecção (DET), são apresentadas em detalhes. Adicionalmente, em uma abordagem passo a passo, diferentes exemplos numéricos são demonstrados para explicar as etapas de pré-processamento para plotar as curvas ROC, PR e DET.