## 要約：
論文は多クラス分類に一様規則を一般化し、分類スコアを閾値調整でさらに精巧化する方法を提案。実験結果により性能改善が確認された。
---
## 翻訳：
この論文では、ソフトマックス出力の確率的解釈を多次元単純体上の幾何学的な解釈に置き換えて、マルチクラス分類のための一斉規則に基づくフレームワークを導入します。これにより、訓練された分類ネットワークに対して二値設定での閾値調整による分類スコアの後付け最適化が可能になり、予測能力の更なる精巧化が実現します。実験結果は、この方法が様々なネットワークとデータセットで性能改善をもたらすことを示しています。さらに、ROC雲（一つの多クラス閾値によって生成されるFPR, TPRの操作点）に基づくマルチクラスROC分析と、その平均化方法であるDistance From Point (DFP) スコアを導入し、One-vs-Rest (OvR) 曲線の統一的代替案として機能します。
[📰 原文はこちら](https://arxiv.org/abs/2511.21794)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
BittensorManがお勧めするメーカーリスト
http://exbridge.jp/xdirect/
動画の最後にお得な情報がありますので、
最後までご覧ください。
