代价敏感分类器的比较研究(英文)

被引：35

作者：

凌晓峰

SHENG Victor S.

机构：

[1] 加拿大西安大略大学计算机科学系

来源：

计算机学报 | 2007年 / 08期

关键词：

代价敏感学习; 元学习; 经验阈值调整;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

简要地回顾了代价敏感学习的理论和现有的代价敏感学习算法.将代价敏感学习算法分为两类,分别是直接代价敏感学习和代价敏感元学习,其中代价敏感元学习可以将代价不敏感的分类器转换为代价敏感的分类器.提出了一种简单、通用、有效的元学习算法,称为经验阈值调整算法(简称ETA).评估了各种代价敏感元学习算法和ETA的性能.ETA几乎总是得到最低的误分类代价,而且它对误分类代价率最不敏感.还得到了一些关于元学习的其它有用结论.文章是"Thresholding for Making Classifiers Cost-sensitive"的改进和扩展版本,原文章由Victor S.Sheng和Charles X.Ling完成,发表于AAAI2006国际会议.

引用

页码：1203 / 1211

页数：9