代价敏感分类算法的实验比较

被引:13
作者
闫明松
周志华
机构
[1] 南京大学计算机软件新技术国家重点实验室
关键词
机器学习; 代价敏感; 决策树; 分类; 集成学习;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
对8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Ada-Cost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2种变体方法,提高了其性能。
引用
收藏
页码:628 / 635
页数:8
相关论文
共 3 条
[1]   Improved boosting algorithms using confidence-rated predictions [J].
Schapire, RE ;
Singer, Y .
MACHINE LEARNING, 1999, 37 (03) :297-336
[2]  
Cost-Sensitive Learning Bibliography .2 Turney P. http://-ai. iit. nrc,ca/bibliographies/cost-sensitive. html . 1997
[3]  
The Case against Accuracy Estimation for Comparing Induction Algorithms .2 Provost F,Fawcett T,Kohavi R. Proc of the 15th International Conference on Machine Learning . 1998