代价敏感学习方法综述
作者:
作者单位:

作者简介:

万建武(1986-),男,江苏常州人,博士,讲师,CCF专业会员,主要研究领域为数据挖掘,机器学习,模式识别;杨明(1964-),男,博士,教授,博士生导师,CCF专业会员,主要研究领域为数据挖掘,机器学习,模式识别.

通讯作者:

杨明,E-mail:myang@njnu.edu.cn

基金项目:

国家自然科学基金(61502058,61876087)


Survey on Cost-sensitive Learning Method
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (61502058, 61876087)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    分类是机器学习的重要任务之一.传统的分类学习算法追求最低的分类错误率,假设不同类型的错误分类具有相等的损失.然而,在诸如人脸识别门禁系统、软件缺陷预测、多标记学习等应用领域中,不同类型的错误分类所导致的损失差异较大.这要求学习算法对可能导致高错分损失的样本加以重点关注,使得学习模型的整体错分损失最小.为解决该问题,代价敏感学习方法引起了研究者的极大关注.以代价敏感学习方法的理论基础作为切入点,系统阐述了代价敏感学习的主要模型方法以及代表性的应用领域.最后,讨论并展望了未来可能的研究趋势.

    Abstract:

    Classification is one of the most important tasks in machine learning. Conventional classification methods aim to attain low recognition error rate and assume the same loss from different kinds of misclassifications. However, in the applications such as the doorlocker system based on face recognition, software defect prediction and multi-label learning, different kinds of misclassification will lead to different losses. This requires the learning methods to pay more attention to the samples with high-cost misclassification, and thus make the total misclassification losses minimized. To deal with this issue, cost-sensitive learning has received the considerable attention from the researchers. This study takes the theoretical foundation of cost-sensitive learning as the focal point to analyze and survey its main models and the typical applications. At last, the difficulty and probable development trend of cost-sensitive learning are discussed.

    参考文献
    相似文献
    引证文献
引用本文

万建武,杨明.代价敏感学习方法综述.软件学报,2020,31(1):113-136

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2018-11-24
  • 最后修改日期:2019-04-19
  • 录用日期:
  • 在线发布日期: 2019-08-12
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号