重み付きMCC：個々の重みを持つ観測に対するマルチクラス分類器性能のロバストな尺度

この論文では、個々の観測値が異なる重みを持つ場合にマルチクラス分類器を評価するために設計された、マシューズ相関係数（MCC）の重み付きバージョンを紹介しています。主な革新は、重み付きMCCがこれらの重みに敏感であることであり、これにより、全体的なパフォーマンスは似ているものの、重みの低い観測値でより優れたパフォーマンスを発揮する分類器と、重みの高い観測値で優れたパフォーマンスを発揮する分類器を区別できます。この論文では、重みのわずかな変化に対する重み付き尺度のロバスト性を示す理論的分析も提供しています。この研究は、個々の観測値の重要性を考慮していない既存のパフォーマンス尺度の重要なギャップに対処しています。提案された方法は、医療診断や不正検出など、特定のデータポイントが他のデータポイントよりも重要なアプリケーションで特に役立つ可能性があります。

• •個々の観測値の重みを持つマルチクラス分類のための重み付きMCCを紹介します。
• •重み付きMCCは重みに敏感であり、重みの高い観測値のパフォーマンスを優先します。
• •重み付き尺度は、重みの小さな変化に対してロバストであることが証明されています。