[論文レビュー] Discriminating abilities of threshold-free evaluation metrics in link prediction

Tao Zhou|arXiv (Cornell University)|May 10, 2022

Bioinformatics and Genomic Networks被引用数 4

ひとこと要約

本稿では、ノイズおよび予測可能性を調整可能なチューニング可能なおもちゃモデルを用いて、しきい値フリーの指標の識別能力を評価するフレームワークを提案する。AUCとAUPRはバランス精度（BP）を著しく上回り、AUCはAUPRよりもわずかに識別能が優れていることが判明した。これは、AUCとAUPRを併用すべきであり、BP単体では誤解を招く評価となる可能性があることを示唆している。

ABSTRACT

Link prediction is a paradigmatic and challenging problem in network science, which attempts to uncover missing links or predict future links, based on known topology. A fundamental but still unsolved issue is how to choose proper metrics to fairly evaluate prediction algorithms. The area under the receiver operating characteristic curve (AUC) and the balanced precision (BP) are the two most popular metrics in early studies, while their effectiveness is recently under debate. At the same time, the area under the precision-recall curve (AUPR) becomes increasingly popular, especially in biological studies. Based on a toy model with tunable noise and predictability, we propose a method to measure the discriminating abilities of any given metric. We apply this method to the above three threshold-free metrics, showing that AUC and AUPR are remarkably more discriminating than BP, and AUC is slightly more discriminating than AUPR. The result suggests that it is better to simultaneously use AUC and AUPR in evaluating link prediction algorithms, at the same time, it warns us that the evaluation based only on BP may be unauthentic. This article provides a starting point towards a comprehensive picture about effectiveness of evaluation metrics for link prediction and other classification problems.

研究の動機と目的

• リンク予測アルゴリズムのための適切な評価指標の選定という未解決の課題に取り組む。
• 制御された条件下で広く用いられるしきい値フリーの指標（AUC、AUPR、BP）の識別力の程度を評価する。
• ネットワーク予測における真のリンクと偽のリンクを効果的に区別できるかどうかを測るための体系的な手法を開発する。
• 公平で信頼性のあるリンク予測性能の評価を保証するための指標選定に関する実証的ガイダンスを提供する。

提案手法

• ノイズおよび予測可能性のレベルを制御可能なチューニング可能なおもちゃモデルを構築する。
• 真のリンクが把握できる合成リンク予測タスクを生成し、制御された評価を可能にする。
• 各指標の識別能力を、予測可能性やノイズの変化に対する感受性を測定することで定量化する。
• 複数のパラメータ設定において指標を評価し、一貫性と識別力の程度を検証する。
• 統計的分析により、AUC、AUPR、BPの分散および感受性をモデルのパラメータ空間全体で比較する。
• フレームワークにより、高品質な予測と低品質な予測を区別する指標の性能を直接比較可能となる。

実験結果

リサーチクエスチョン

• RQ1 AUC、AUPR、BPは、高品質と低品質なリンク予測結果の識別において、どの程度の能力を示すか？
• RQ2 これらの指標の識別力は、ネットワーク構造におけるノイズレベルや予測可能性の変化によって変化するか？
• RQ3 バランス精度（BP）はリンク予測性能の評価に信頼できる指標であるか、それとも意味のある差を識別できないか？
• RQ4 AUCの性能は、ネットワークの予測可能性の変化に対する感受性においてAUPRと比べてどう異なるか？
• RQ5 任意のしきい値フリーの評価指標の識別能力を測定する体系的な手法を開発できるか？

主な発見

• AUCは3つの指標の中で最も高い識別能力を示し、AUPRおよびBPを上回る。
• AUPRはBPに比べて著しく強い識別力を持つことが判明し、BPは意味のある性能差に対して感受性が低いことが示唆される。
• BPは識別能力が著しく低いことが判明し、BP単体での評価は本物らしくない、あるいは誤解を招く可能性がある。
• 提案された手法は、ネットワークの予測可能性およびノイズの変化に対する指標の感受性を効果的に定量化および比較可能である。
• AUCとAUPRは併用を推奨する。これらはBP単体よりもより強固で信頼性の高い性能評価を提供する。