Exploiting the categorical reliability difference for binary classification

در طبقهبندی الگوی دوتایی، میزان اطمینان از آمار حاصل از نمونههای دو دسته معمولا متفاوت است. هنگامی که آمار برای مدل سازی یک طبقه بندی استفاده می شود، چنین تفاوت اطمینان می تواند عملکرد عمومی را تحت تأثیر قرار دهد. ما یک شاخص دیفرانسیل را برای نشان دادن اختلاف آماری براساس تقسیم عدد متعامد ماتریس لحظه ای دسته بندی می کنیم. نشان داده شده است که این شاخص دیفرانسیل به طور موثر می تواند تفاوت اطمینان بین دو دسته را نشان دهد. سپس اختلاف اطمینان به دست آمده برای تنظیم اصطلاحی تنظیم کننده یک طبقه بندی برای تعمیم یادگیری مؤثر مورد استفاده قرار می گیرد. آزمایشات ما بر اساس 10 مجموعه داده های معیاری دنیای واقعی اثربخشی روش پیشنهادی را اثبات می کند.