折中规划分类性能的少数类误分代价优化设计

• 作者: 彭新光 靳燕
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 少数类分类 代价敏感学习 遗传算法 代价因子优化 分类性能均衡
• 年，卷（期）: 2016,（16）
• 所属期刊栏目: 理论与研发
• 页码范围: 51-55,72
• 页数: 6页
• 分类号: TP39
• 字数: 5901字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1601-0280

摘要

针对代价敏感思想在类不平衡问题中的传统代价给定方式，提出了分类性能需求引导代价优化的因子量化方法。分类性能需求表示为相关于代价因子c的正负类分类性能指标函数式，为代价择优标准。应用遗传算法基于该标准在指定值域内寻优，得到最优代价因子，并将其代入代价敏感Boosting学习方法，产生基于给定分类性能的分类模型。折中分类性能的算法实现以正负类召回率的几何平均作为择优标准，选用了四类算法（基算法C4.5和ZeroR）依次在三组样本集上进行分类建模。与传统代价给定方式代入算法相比，寻优过程确定的代价因子代入AdaCost算法后，基于C4.5和ZeroR的分类器在TP与TN上的变化幅度依次为33.3%~200%、-49%~-15.6%和-44.4%~-16.7%、25%~400%。前者改善了正类误判情形，且未造成负类误判严重化；后者改善了负类严重误判情形，且正类召回率保持在0.5以上，分类性能达到较为均衡的状态。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭新光	太原理工大学计算机科学与技术学院	103	451	10.0	16.0
2	靳燕	山西大学商务学院信息学院	18	32	4.0	5.0