基于非均衡数据集的代价敏感学习算法比较研究
大多数非均衡数据集的研究集中于重构数据集或者代价敏感学习，针对数据集类分布非均衡和不相等误分类代价往往同时发生这一事实，在简要回顾代价敏感学习理论和现有学习算法的基础上，将所提出的自适应混合重取样算法，与基于最小误分类代价的MetaCost算法分别进行实验比较，实验表明所提出算法在代价敏感学习中具有一定的优势，实验结果显示非均衡类对代价敏感学习算法性能产生较大影响，当样本类别差异较大时，用样本类空间重构的方法可以得到较好的分类效果。
非均衡数据集 混合重取样 代价敏感学习算法
谷琼 袁磊 熊启军 宁彬 李文新
襄樊学院数学与计算机科学学院，湖北 襄阳 441053
国内会议
湖北恩施
中文
146-149,153
2011-08-16（万方平台首次上网日期，不代表论文的发表时间）