代价敏感学习中的损失函数设计

• 作者: 李秋洁 赵亚琴 顾洲
• 来源期刊: 控制理论与应用
• 关键词: 学习算法 代价敏感学习 损失函数 Bayes最优决策 代价敏感损失
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 短文
• 页码范围: 689-694
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.7641/CTA.2015.40519

摘要

一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下,提出两条代价敏感损失设计准则.接着采用两种常用代价敏感损失生成方法构造平方损失、指数损失、对数损失、支持向量机损失等经典损失函数的代价敏感扩展形式.根据所提出的设计准则,从理论上分析这些代价敏感损失的性能.最后通过实验表明,同时满足两条设计准则的代价敏感损失能有效降低分类代价,从而证明了本文提出的代价敏感损失设计准则的合理性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵亚琴	南京林业大学机械电子工程学院	24	111	6.0	9.0
2	李秋洁	南京林业大学机械电子工程学院	17	45	4.0	6.0
3	顾洲	南京林业大学机械电子工程学院	3	18	1.0	3.0