Best-classifier feedback in diagnostic classification training.
Best-classifier feedback in diagnostic classification training.
复制标题
DOI：
10.1016/j.jarmac.2015.07.007
复制
发表时间：
2015-12
影响因子：
4.2
通讯作者：
Williams SE
中科院分区：
文献类型：
--
作者：
Bohil CJ;Wismer AJ;Schiebel TA;Williams SE
诊断分类训练需要查看沿着许多示例以及类别成员反馈。基于类别成员资格的“客观”反馈表明，当可能无法达到完美的准确性时，可以达到完美的准确性（例如，易混淆的类别）。以前的工作表明，反馈的基础上的“最佳”的反应（有时分类错误）导致更高的长期奖励，特别是在不平等的类别回报条件。在目前的研究中，参与者学会了对正常或癌变的乳房X光摄影图像进行分类，正确的“癌症”反应比“正常”反应获得更多的分数。反馈是客观的或基于经验确定的“最佳”分类器的性能。这种方法是必要的，因为理论上最佳的反应不能确定与复杂的现实世界的刺激与未知的感知分布。复制早期使用简单人工刺激的工作，我们发现最佳分类器性能导致决策标准值（β）更接近奖励最大化标准，沿着有更高的总分和总体准确性的轻微降低（如预测的那样）。
Diagnostic classification training requires viewing many examples along with category membership feedback. “Objective” feedback based on category membership suggests that perfect accuracy is attainable when it may not be (e.g., with confusable categories). Previous work shows that feedback based on an “optimal” responder (that sometimes makes classification errors) leads to higher long-run reward, especially in unequal category payoff conditions. In the current study, participants learned to classify normal or cancerous mammography images, earning more points for correct “cancer” than “normal” responses. Feedback was either objective or based on performance of an empirically determined “best” classifier. This approach is necessary because theoretically optimal responses cannot be determined with complex real-world stimuli with unknown perceptual distributions. Replicating earlier work that used simple artificial stimuli, we found that best-classifier performance led to decision-criterion values (β) closer to the reward-maximizing criterion, along with higher point totals and a slight reduction (as predicted) in overall accuracy.
登录
查看更多内容
影响因子：
4.1
作者：
BUSEMEYER, JR;MYUNG, IJ
通讯作者：
MYUNG, IJ
影响因子：
2.4
作者：
Bohil, CJ;Maddox, WT
通讯作者：
Maddox, WT
影响因子：
22.4
作者：
VONWINTERFELDT, D;EDWARDS, W
通讯作者：
EDWARDS, W
影响因子：
1.8
作者：
BUSEMEYER, JR;RAPOPORT, A
通讯作者：
RAPOPORT, A
影响因子：
2.7
作者：
Maddox, WT
通讯作者：
Maddox, WT