Bagging多方法建立的复杂的代价敏感决策树算法-厦门大学数据库.PPTVIP

论文摘要 相关工作 未来展望 论文摘要 前言介绍 Cost-sensitive 分类算法的研究现状 * 报告人：邓少军 指导老师：林子雨 2015年7月17日 论文报告 厦门大学数据库实验室 目录 一种多类别条件下的代价敏感决策树算法 Cost-sensitive 分类算法——综述与实验 一种基于 NNIA 多目标优化的代价 敏感决策树构建方法 Part 1 一种多类别条件下的代价敏感 决策树算法 代价敏感决策树是代价敏感分类算法中一种，它的目标是在分类过程中保证一定分类准确度条件下产生最少的分类总代价。典型的基于贪心方法而建立的单一代价敏感决策树模型的算法有 PM、 MinCost 等，这类算法相比于其它代价敏感分类算法具有较好可理解性、需要较少时间和空间复杂度的特点。 本文研究了 PM、MinCost 以及多类别条件下属性检测代价和误分类代价矩阵的特点，提出了多类别问题下的一种基于评分策略的代价敏感决策树算法（简称 SECSDT_MC）。 关键词：代价敏感；多类别；决策树 误分类代价和属性检测代价 代价敏感决策树算法分类 误分类代价指的是将真实类别为 A 的样例错误地