代价敏感学习是指为不同类别的样本提供不同的权重,从而让机器学习模型进行学习的一种方法。 在通常的学习任务中,所有样本的权重一般都是相等的,但是在某些特定的任务中也可以为样本设置不同的权重。比如风控或者入侵检测,这两类任务都具有严重的数据不平衡问题,例如风控模型,将一个坏用户分类为好用户所造成的损失远远大于将一个好用户分类来坏用户的损失,因此在这种情况下要尽量避免将坏用户分类为好用户,可以在算法学习的时候,为坏用户样本设置更高的学习权重,从而让算法更加专注于坏用户的分类情况,提高对坏用户样本分类的查全率,但是也会将很多好用户分类为坏用户,降低坏用户分类的查准率。
代价敏感学习
最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- 注:题中所指的『机器学习』不包括『深度学习』。本篇文章以理论推导为主,不涉及代码实现。 前些日子定下了未来三年左右...