作者:牛军霞; 王敬前代价敏感学习属性选择动态误分类代价模拟退火算法
摘要:当前代价敏感算法普遍采用静态的误分类代价,而静态的误分类代价局限性很强。这主要表现在:过度拟合、不能反映数据集真实的类分布特征。针对静态误分类代价的不足,本文首先提出一种动态误分类代价机制。该机制根据不同的测试代价自适应生成四种不同的动态误分类代价函数,并以最小总代价为目标。其次,我们在动态误分类下重新定义了最小总代价的属性选择问题。最后我们提出了一个模拟退火算法解决了该问题。实验结果证明,该设计方案可有效地选出最优误分类代价,以保证所选属性集合具有最小的平均总代价。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社