2018-11-23
閱讀量:
977
基于代價(jià)函數(shù)的分類器決策控制
我們可以基于該代價(jià)矩陣計(jì)算其總代價(jià):
TP*0+FN*1+FP*1+TN*0。接下來我們考慮下面的第二張表,基于該代價(jià)矩陣的分類代價(jià)的計(jì)算
公式為: TP*(-5)+FN*1+FP*50+TN*0。采用第二張表作為代價(jià)矩陣時(shí),兩種分類錯(cuò)誤的代價(jià)是
不一樣的。類似地,這兩種正確分類所得到的收益也不一樣。如果在構(gòu)建分類器時(shí),知道了這些
代價(jià)值,那么就可以選擇付出最小代價(jià)的分類器。
在分類算法中,我們有很多方法可以用來引入代價(jià)信息。在AdaBoost中,可以基于代價(jià)函數(shù)
來調(diào)整錯(cuò)誤權(quán)重向量D。在樸素貝葉斯中,可以選擇具有最小期望代價(jià)而不是最大概率的類別作
為最后的結(jié)果。在SVM中,可以在代價(jià)函數(shù)中對(duì)于不同的類別選擇不同的參數(shù)C。上述做法就會(huì)
給較小類更多的權(quán)重,即在訓(xùn)練時(shí),小類當(dāng)中只允許更少的錯(cuò)誤。






評(píng)論(0)


暫無數(shù)據(jù)
CDA考試動(dòng)態(tài)
CDA報(bào)考指南
推薦帖子
0條評(píng)論
0條評(píng)論
0條評(píng)論
0條評(píng)論