ベイズ最適なBERとAUCの推定手法を提案
arXiv stat.ML ・ 2026-09-02
原題: Bayes-Optimal BER and AUC: Estimation and Evaluation of Estimators
AI による要約
機械学習における最適性能の推定は、モデルの改善余地を判断する基準となる。本研究は、クラス不均衡やノイズラベルが存在する環境で適切なBER（バランス誤り率）とAUC（ROC曲線下面積）の最適値を、ソフトラベルから推定する手法を提案する。まず真のソフトラベルとクラス事前確率が既知の場合の推定式を導出し、その後ノイズラベルや未知の事前確率へ拡張した。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv stat.ML）をご確認ください。