第11章：代价敏感学习.pdf

第11章：代价敏感学习 本章内容 一、代价敏感学习的背景 二、代价敏感学习的定义 三、代价敏感学习的评估 四、代价敏感学习的方法 一、代价敏感学习的背景  常用性能评估指标：准确率或错误率  传统的代价不敏感分类假定： 1）不同类的误分类代价相同 2）用于学习的训练数据足够完备 类别误分代价？ 属性测试代价？ 类别标注代价？  二者在许多实际的应用问题中很难得到满足。原因在于： 1）不同类的误分类代价经常不同 2）训练数据也经常因为获取困难、耗时、或者昂贵而不足  作为解决这些实际应用问题的关键技术，代价敏感学习被提 出，并受到了机器学习与数据挖掘领域广大学者的高度重视 一、代价敏感学习的背景 二、代价敏感学习的定义  代价敏感学习的目标是最小化分类器的总代价，而代价不敏 感学习