考虑分类器学习中的成本不对称
弗朗西斯·巴赫、大卫·赫克曼、埃里克·霍维茨; 7(63):1713−1741, 2006.
摘要
接收机工作特性（ROC）曲线是显示一组二进制分类器的性能与误报相关的成本的可行比率，以及假阴性。对于线性分类器，分类器集为通常通过训练一次获得，保持估计值不变斜率，然后改变截距以获得参数化集分类器的性能可以在ROC平面上绘制。我们考虑改变成本不对称性的替代方案用于培训的功能。我们表明，通过以下方法获得的ROC曲线改变截距和不对称性，从而改变斜率，总是优于仅通过改变拦截。此外，我们还为支持向量机（SVM）可以有效计算整个ROC曲线，其计算复杂度与训练单个分类器。最后，我们提供了一个理论非对称成本模型的关系分析训练分类器时假设的成本模型应用分类器。特别地，我们证明了不匹配用于测试的阶跃函数与其凸上限之间边界通常用于训练，导致可证明和围绕极端不对称的可量化差异。
[腹肌]
[pdf格式][围兜]
