如何解决留一主题交叉验证和性能指标
我正在开发一种算法，根据从这些段计算出的特征，对属于 0/1 类别的脑电图段进行分类。我有 20 名患者的数据，每个患者包含 10 个 EEG 段，但数据不平衡，0 类中有 13 名患者，1 类中有 7 名患者。
我通过从多数类中随机挑选与少数类中的患者一样多的患者来评估分类器的性能，然后我根据留一主题原则对这 14 名患者进行交叉验证患者数据。从中我得到每个患者的准确率值（即，每个患者正确识别了多少段）。
我重复此操作 100 次，最后计算平均性能值。作为绩效衡量标准，我使用平均准确度、灵敏度、特异性及其标准偏差。
但是，我需要有关计算性能指标的建议。你认为计算更有意义吗
a) 在所有评估的患者准确度计算中的平均准确度及其标准偏差（总共 14 * 100 个患者准确度值），或
b) 我是否计算了 100 次 LOSO 轮次中每一轮的平均准确度和标准偏差，然后取平均值？
感谢您的帮助！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。