我有一个包含4个类别的分类任务，我使用机器学习分类器（如SVM等）来解决这个问题。

对于4个类别，可以使用哪些统计度量？我肯定会使用p值（结合置换检验），但我还需要更多度量。

一些有趣的度量包括真阳性率、真阴性率、阳性预测值、阴性预测值、ROC曲线下面积、PR曲线下面积……但我认为这些度量都只适用于两类分类。

回答：

有几种可用的度量，在以下论文中有描述：

Sokolova, Marina, and Guy Lapalme. “A systematic analysis of performance measures for classification tasks.” Information Processing & Management 45.4 (2009): 427-437.

参见第4页（430页）的表3 – 它包含了8个度量的简要描述和公式；选择最适合你任务的度量。