代价敏感分类算法的实验比较
代价敏感分类算法的实验比较
第
卷年
模式识别与人工智能 衣
代价敏感分类算法的实验比较 习明松
‘
周志华
南京大学计算机软件新技术国家重点实验室南京
摘
要
对
种不同代价敏感分类算法进行了比较研究目的是通过实验手段分析不同代价敏感算法的行为和 ,, 、
当其归纳过程发生变化时对错误分类的总代价高代价错误数量和错误的总数量所产生的影响对其中的 方法本文分析了为何其代价调整因子可能对其性能带来负面影响并实现了 ,
,
种变体方法提高了其性能 ,
关健词
机器学习代价敏感决策树分类集成学习 , ,
,
,
中图法分类号
一
一
,
一
夕
少
,
乞
夕
一
一
,
,
,
,
,
一
,
,
,
引
言 ,
的但在很多实际应用中不同类型的错误往往对应 ,
,
不同的分类代价例如在 ,
个人中只有 ,
人患 学习
目前的分类算法都强调分类的准确率并且基于这样一个假设即所有错误分类的代价都是相等 ,
有癌症一个非代价敏感 ,
一
算法可能将所有人都分到健康这一类虽然准确 ,
“
”
率很高但这个模型是无用的而且把一个癌症患者 ,
,
江苏省自然科学基金重点资助项目一一一一收稿日期修回日期作者简介闰明松男年生硕士研究生主要研究方向为机器学习与模式识别周志华男年生教授博士生导师主要研究方向为机器学习数据挖掘模式识别信息检索神经计算进化计算 , ,
,
,
一
,
,
,
,
,
、
、
、
、
、
