Question

我最近一直在学习使用R RecordLinkage软件包。在一个非常小的例子中，链接2个数据集，一个有8行，另一个有11，我得到结果：

Linkage Data Set

8 records in data set 1 
11 records in data set 2 
8 record pairs 

4 matches
4 non-matches
0 pairs with unknown status


Weight distribution:

[0.4,0.5] (0.5,0.6] (0.6,0.7] (0.7,0.8] (0.8,0.9]   (0.9,1] 
        2         0         2         0         1         3 

3 links detected 
0 possible links detected 
5 non-links detected 

alpha error: 0.250000
beta error: 0.000000
accuracy: 0.875000


Classification table:

           classification
true status N P L
      FALSE 4 0 0
      TRUE  1 0 3

无法理解的是alpha错误，beta错误和Classification表之间的准确性之间的关系。以下数字来自何处，如何计算：

alpha error: 0.250000
beta error: 0.000000
accuracy: 0.875000

任何帮助非常感谢

Answer 1

Alpha和beta误差是统计测量，通常分别称为I型和II型误差。在统计学术语中，α误差是拒绝零假设的概率，只要它是真的; beta误差是断言零假设的概率，因为它不是真的（比较，例如http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2996198/）。

在记录链接的情况下，空缺点是记录对是匹配的，即两个记录代表相同的实体。因此，alpha误差是将一对标记为不匹配的概率，因为它实际上是匹配（假阴性）。此错误计算如下:(分类为“非链接”的匹配数）/（匹配数）。[1]在上面的例子中，有4个匹配，其中1个未被识别，因此，alpha错误是1/4 = 0.25。

同样，beta误差是将一对分类为匹配的概率，因为它实际上是不匹配（误报）。计算方式为（分类为“链接”的非匹配数）/（不匹配数）。在上面的例子中，没有误报分类，因此beta误差为0.让我们假设一个不同的分类表：

           classification
true status N P L
      FALSE 2 0 2
      TRUE  1 0 3

在这种情况下，有4个不匹配，其中2个被错误地归类为链接，因此beta误差为2/4 = 0.5。

最后，准确性只是所有对中正确分类的比例（见https://en.wikipedia.org/wiki/Evaluation_of_binary_classifiers#Single_metrics）。在问题的分类表中，有7个正确的分类（4个不匹配，3个匹配），因此准确度为7/8 = 0,875。

[1]当我指的是分类算法的结果与真实状态相比时，我使用'（非）链接'而不是'（非）匹配'。

R RecordLinkage包，了解alpha和beta错误

1 个答案: