折中规划分类性能的少数类误分代价优化设计

作     者：靳燕 彭新光 JIN Yan;PENG Xinguang

作者机构：山西大学商务学院信息学院太原030031 太原理工大学计算机科学与技术学院太原030024 

基　　金：山西省自然科学基金资助项目(No.2012011013-2) 山西大学商务学院科研基金资助项目(No.2014010) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2016年第52卷第16期

页      码：51-55,72页

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Zero R)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Ada Cost算法后,基于C4.5和Zero R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。

主 题 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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.1601-0280

馆 藏 号：203176909...