基于代价函数的分类器决策控制

啊啊啊啊啊吖

2018-11-23 阅读量: 817

基于代价函数的分类器决策控制

我们可以基于该代价矩阵计算其总代价：

TP*0+FN*1+FP*1+TN*0。接下来我们考虑下面的第二张表，基于该代价矩阵的分类代价的计算

公式为： TP*(-5)+FN*1+FP*50+TN*0。采用第二张表作为代价矩阵时，两种分类错误的代价是

不一样的。类似地，这两种正确分类所得到的收益也不一样。如果在构建分类器时，知道了这些

代价值，那么就可以选择付出最小代价的分类器。

在分类算法中，我们有很多方法可以用来引入代价信息。在AdaBoost中，可以基于代价函数

来调整错误权重向量D。在朴素贝叶斯中，可以选择具有最小期望代价而不是最大概率的类别作

为最后的结果。在SVM中，可以在代价函数中对于不同的类别选择不同的参数C。上述做法就会

给较小类更多的权重，即在训练时，小类当中只允许更少的错误。

0.0000

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子