阈值自由评估指标在链接预测中的判别能力
摘要：链接预测是网络科学中一种典型且具有挑战性的问题，它试图基于已知的拓扑结构来揭示缺失的链接或预测未来的链接。一个基本但仍未解决的问题是如何选择适当的度量标准来公平评估预测算法。在早期研究中，面积下面受操作特征曲线(AUC)和平衡精确度(BP)是两个最受欢迎的度量标准，但最近其有效性引起了争议。与此同时，面积下面受精确率-召回率曲线(AUPR)变得越来越受欢迎，特别是在生物学研究中。基于一个具有可调噪声和可预测性的玩具模型，我们提出了一种衡量任何给定度量标准的差别能力的方法。我们将这种方法应用于上述三种无阈值度量标准，结果表明AUC和AUPR的区分能力明显优于BP，而AUC略优于AUPR。这些结果表明，在评估链接预测算法时最好同时使用AUC和AUPR，同时也提醒我们，仅基于BP的评估可能不真实。本文为了解链接预测和其他分类问题的评估度量标准的有效性提供了一个起点。
作者：Tao Zhou
论文ID：2205.04615
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2023-03-22