基于支持向量机的代价敏感挖掘

• 作者: 宋执环 李平 郑恩辉
• 来源期刊: 信息与控制
• 关键词: 分类 支持向量机 代价
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 294-298
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2006.03.002

摘要

针对一些数据挖掘应用中反例样本和正例样本具有不同误分类代价的情况,提出一种代价敏感支持向量机算法CS-SVM.CS-SVM包括3个步骤:首先,引入Sigmoid函数,根据样本到分类超平面的距离估计其后验概率;然后,根据误分类代价最小原则重构训练样本的类标号;最后,在重构后的训练集上使用标准SVM进行学习即得到嵌入误分类代价的最优分类超平面.基于CS-SVM的思路,提出一个通用的嵌入误分类代价的代价敏感分类算法G-CSC.试验结果表明:相比于SVM,CS-SVM大大降低测试集上的平均误分类代价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	浙江大学工业控制技术研究所	260	3720	30.0	50.0
2	郑恩辉	中国计量学院机电工程学院	4	146	4.0	4.0
4	宋执环	浙江大学工业控制技术研究所	140	1808	23.0	36.0