代价敏感学习方法综述

• 作者: 万建武 杨明
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 代价敏感 损失 分类 人脸识别 软件缺陷预测 多标记学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 113-136
• 页数: 24页
• 分类号: TP18
• 字数: 21576字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005871

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机科学与技术学院	58	1074	15.0	32.0
2	万建武	常州大学信息科学与工程学院	6	9	2.0	2.0