×
最小值，风扇;刘启和

一种测试敏感决策系统的层次模型。 （英语） Zbl 1192.68651号

信息科学。 179，第14号，2442-2452（2009）.
摘要：成本敏感学习是数据挖掘和机器学习中的一个重要问题，因为它处理从决策系统中学习与各种成本相关的问题。在本文中，我们从测试成本的角度介绍了成本敏感决策系统的层次结构。在测试成本相关性方面，解决了两个主要问题。第一个与公共测试成本有关，其中一组测试共享一个公共成本，而另一个与顺序相关的测试成本有关。测试顺序的顺序影响总成本。我们对层次结构中六个模型的理论方面进行了研究，并通过示例进行了说明。所提出的模型对于探索各种不同应用中的成本相关信息非常有用。

引用于16文件

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
68T05型 人工智能中的学习和自适应系统

关键词：

等级制度;模型;决策系统;成本敏感型学习;试验费用

软件：

阿达成本
PDF格式BibTeX公司 XML格式引用
\textit{F.Min}和\textit{Q.Liu}，信息科学。179，编号14，2442-2452（2009年；兹bl 1192.68651）
全文： 内政部

参考文献：

[1] Ardagna，D。；Francalanci，C。；Trubian，M.，基于互联网系统成本导向设计的多模型算法，信息科学，176，310-3131（2006）
[2] Berzal，F。；库贝罗，J.-C。；北卡罗来纳州马利亚。；Sánchez，D.，《用数字属性构建多路决策树》，《信息科学》，165，73-95（2004）·兹比尔1089.68087
[3] X.Chai，L.Deng，Q.Yang，C.X.Ling，测试成本敏感型朴素贝叶斯分类，收录于：ICDM 2004，2004，第51-58页。；X.Chai，L.Deng，Q.Yang，C.X.Ling，测试成本敏感型朴素贝叶斯分类，收录于：ICDM 2004，2004，第51-58页。
[4] Chan，C.C。；Grzymała-Busse，J.W.，关于两种局部归纳算法：PRISM和LEM2，计算和决策科学基础，19，185-203（1994）·Zbl 0939.68756号
[5] J.Du，Z.Cai，C.X.Ling，带预剪枝的成本敏感决策树，收录于：Z.Kobti，D.Wu（编辑），加拿大人工智能2007，LNAI 45092007，第171-179页。；J.Du，Z.Cai，C.X.Ling，带预剪枝的成本敏感决策树，收录于：Z.Kobti，D.Wu（编辑），加拿大人工智能2007，LNAI 45092007，第171-179页。
[6] C.Elkan，《成本敏感学习的基础》，载《第17届国际人工智能联合会议论文集》（IJCAI'01），2001年，第973-978页。；C.Elkan，《成本敏感学习的基础》，载于：《第17届国际人工智能联合会议论文集》（IJCAI'01），2001年，第973-978页。
[7] W.Fan，S.Stolfo，J.Zhang，P.Chan，Adacost:错误分类成本敏感性提升，载《第16届机器学习国际会议论文集》，1999年，第97-105页。；W.Fan，S.Stolfo，J.Zhang，P.Chan，Adacost:错误分类成本敏感性提升，载《第16届国际机器学习会议论文集》，1999年，第97-105页。
[8] （亨特·E·B；马林·J；斯通·P·J，《归纳实验》（1966），学术出版社：纽约学术出版社）
[9] Jensen，R。；沈庆，《语义保持维度约简：粗糙和模糊粗糙方法》，IEEE知识与数据工程学报，16，12，1457-1471（2004）
[10] 季S。；Carin，L.，成本敏感特征获取和分类，模式识别，40，1474-1485（2007）·Zbl 1113.68085号
[11] Ling，C.X。；杨琼。；Wang，J。；Zhang，S.，最小成本的决策树，（第二十届国际机器学习会议（ICML'04）（2004），美国纽约州纽约市ACM出版社），69
[12] Ling，C.X。；Sheng，V.S。；Yang，Q.，成本敏感决策树的测试策略，IEEE知识与数据工程汇刊，18，8，1055-1067（2006）
[13] Looney，C.G.，基于规则决策的模糊petri网，IEEE系统事务，人与控制论，18，178-183（1988）
[14] Malowiecki，V.S。；Ling，C.X。；镍，A。；Zhang，S.，成本敏感测试策略，（美国人工智能协会（AAAI 2006）（2006），IEEE）
[15] 米·J。；Wu，W。；张伟，基于变精度粗糙集模型的知识约简方法，信息科学，159255-272（2004）·兹比尔1076.68089
[16] NüN'ez，M.，《决策树归纳中背景知识的使用》，机器学习，6231-250（1991）
[17] 帕克，C.-M。；黄，K.-Y。；Lee，J.-J。；Song，I.-Y.，面向对象数据库系统的基于成本的缓冲区替换算法，信息科学，13899-117（2001）·Zbl 1005.68891号
[18] Pawlak，Z。；Skowron，A.，《粗糙集与布尔推理》，《信息科学》，177，1，41-73（2007）·Zbl 1142.68551号
[19] 裴，Z。；雷斯科尼，G。；Wal，A.J.V.D。；秦，K。；Xu，Y.，从模糊信息系统中解释和提取模糊决策规则及其推理，信息科学，1761869-1897（2006）·Zbl 1100.68114号
[20] Quinlan，J.R.，决策树归纳，机器学习，181-106（1986）
[21] （Quinlan，J.R.，《机器学习C4.5程序》（1993），摩根·考夫曼出版社：摩根·考夫曼出版社，加利福尼亚州圣马特奥）
[22] 斯科伦，A。；Rauszer，C.，《信息系统中的可辨矩阵和函数》，（Słowiñski，R.，《智能决策支持-粗糙集理论的应用和进展手册》（1992年），Kluwer，学术出版社：Klower，Dordrecht学术出版社），331-362·Zbl 0820.68001号
[23] 孙，Y。；Wong，A.K.C。；Wang，Y.，成本敏感增压算法的参数推断，（Perner，P.；Imiya，A.，MLDM 2005，LNAI 3587（2005），Springer），21-30
[24] Tan，M.，分类知识的成本敏感学习及其在机器人中的应用，机器学习，13，7-33（1993）
[25] Tsakonas，A.，《四种与遗传编程有关的智能结构的分类精度比较》，《信息科学》，176691-724（2006）
[26] Tsumoto，S.，基于粗糙集理论从临床数据库中自动提取医学专家系统规则，智能数据分析，2215-227（1998）
[27] Turny，P.D.，《成本敏感分类：混合遗传决策树归纳算法的实证评估》，《人工智能研究杂志》，2369-409（1995）
[28] P.D.Turney，归纳概念学习中的成本类型，载于：加利福尼亚州第17届ICML成本敏感学习研讨会论文集，2000年。；P.D.Turney，《归纳概念学习中的成本类型》，载于：加利福尼亚州第17届ICML成本敏感学习研讨会论文集，2000年。
[29] 徐，C。；Min，F.，决策表的加权约简，（Wang，L.；Jiao，L.，Shi，G.；Li，X.；Liu，J.，第三届模糊系统与知识发现国际会议论文集（FSKD 2006），LNCS 4223（2006），Springer），246-255
[30] 杨琼。；Ling，C.X。；柴，X。；Pan，R.，缺失值数据的测试成本敏感分类，IEEE知识与数据工程学报，18，5，626-638（2006）
[31] Yao，Y.Y.，粒度计算的分区模型，粗糙集I上的事务，239-259（2004）·Zbl 0949.68144号
[32] 姚义勇，赵义勇，王勇军，韩胜强，基于用户属性偏好的机器学习模型，载《第五届粗糙集与软计算国际会议论文集》，2006年，第587-596页。；姚义勇，赵义勇，王勇军，韩胜强，基于用户属性偏好的机器学习模型，载《第五届粗糙集与软计算国际会议论文集》，2006年，第587-596页·Zbl 1162.68588号
[33] Zhou，Z。；Liu，X.，用解决类别不平衡问题的方法训练成本敏感型神经网络，IEEE知识与数据工程汇刊，18，1，63-77（2006）
[34] X.Zhu，X.Wu，T.M.Khoshgoftaar，S.Yong，《噪声对成本敏感学习影响的实证研究》，载《第20届国际人工智能联合会议论文集》，2007年，第1168-1173页。；X.Zhu，X.Wu，T.M.Khoshgoftaar，S.Yong，《噪声对成本敏感学习影响的实证研究》，载《第20届国际人工智能联合会议论文集》（IJCAI'07），2007年，第1168-1173页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。