基于LGC算法的代價(jià)敏感分類方法研究.pdf

1、現(xiàn)實(shí)生活的許多問題中，存在著錯(cuò)分類代價(jià)不一致的情況，尤其是在金融、醫(yī)療等領(lǐng)域。在這類問題中，相對較高的全局分類精度而言，更小的全局錯(cuò)分類代價(jià)成為分類器的主要訓(xùn)練目標(biāo)，因此傳統(tǒng)的半監(jiān)督分類方法不再適用。代價(jià)敏感的學(xué)習(xí)方法所具有的代價(jià)敏感特性，能夠反映錯(cuò)分類代價(jià)不一致的情況，成為解決這類問題的主要手段。
　　半監(jiān)督學(xué)習(xí)方法，只需要少量的已知信息和較為嚴(yán)格的假設(shè)，即可有效地完成更符合現(xiàn)實(shí)生活的學(xué)習(xí)任務(wù)。本文中充分的利用了大量的無標(biāo)簽數(shù)據(jù)

2、，將半監(jiān)督學(xué)習(xí)和代價(jià)敏感學(xué)習(xí)結(jié)合起來，提出了一種犧牲可以接受范圍內(nèi)的分類精度，以換取盡可能小的全局代價(jià)的半監(jiān)督分類方法，賦予其代價(jià)敏感的特性，有效地幫助解決錯(cuò)分類代價(jià)不一致的分類問題。
　　在這篇文章中，首先，通過對代價(jià)敏感學(xué)習(xí)算法的研究與分析，將代價(jià)敏感的學(xué)習(xí)方法分成為數(shù)據(jù)層面上的處理和算法層面上的思想，并且對提出這種分類方式的依據(jù)做了詳細(xì)的闡述。其次，提出了代價(jià)敏感的局部與全局一致性方法(Cost-Sensitive LGC，