ELKI，输出：ROCAUC，Precision@k，f1.maximum

Question

Precision @ k 在离群值情况下的用途是什么？（当在同一个数据集上改变 k 时，我总是得到：Precision @ 3016 而且我不知道 ELKI 从哪里得到这个数字，异常值的数量是 1508）

和

precision.average 和 precision.r?

和f1.maximum?

我知道 ROCAUC 是衡量算法将异常值标记为异常值并将正常对象标记为正常对象的程度的度量。

我想看看离群值检测的质量好不好。我也可以用其他措施做到这一点吗？

Computing LDOFs
LDOF for objects: 49534 [100%]
de.lmu.ifi.dbs.elki.algorithm.outlier.lof.LDOF.runtime: 116887 ms
Evaluating using minority class: yes
de.lmu.ifi.dbs.elki.evaluation.outlier.OutlierRankingEvaluation.rocauc: 0.736341684836717
de.lmu.ifi.dbs.elki.evaluation.outlier.OutlierRankingEvaluation.precision.average: 0.10795456476088741
de.lmu.ifi.dbs.elki.evaluation.outlier.OutlierRankingEvaluation.precision.r: 0.16578249336870027
de.lmu.ifi.dbs.elki.evaluation.outlier.OutlierRankingEvaluation.f1.maximum: 0.18336314847942753
ROCAUC: 0.7363416848367167
Precision @ 3016 0.13726790450928383

Answer 1

R-precision 是 Precision@k，其中 k = ground truth 中异常值的数量。此时，recall = precision。所以在你的情况下，它将是 precision@1508。 "r" 来自 "recall = precision" 点。

这是不是算法的k参数。但两者在文献中通常被称为k。

最大 F1 是通过改变截止值 k 可获得的 F1 度量（精度和召回率）的最大值。所以存在一个k，其中准确率和召回率的调和平均值为0.18336.

平均精度是通常的平均精度；在每个异常值处进行评估，然后取平均值。

有关详细信息，请参见例如https://en.wikipedia.org/wiki/Information_retrieval

Precision@2k 是一个人工制品：自动评估会产生最多 2k（通常是感兴趣的区域）的 precision@k 曲线。曲线将输出曲线末端的精度；但这通常不是特别有用（您可以手动配置最大 k 以截断曲线，但这并不能使它成为一个有趣的评估 k）。我将从类中删除它；并且也不需要第二个 ROCAUC 输出（也来自视觉曲线评估）。

ELKI，输出：ROCAUC，Precision@k，f1.maximum

ELKI, output: ROCAUC, Precision@k, f1.maximum

data-mining

outliers

elki