成本引导学习的少数类分类算法设计

为提高不均衡样本中正类的检测率,提出了基于Reweighted思想与成本引导的MisC_S算法.算法赋予样本错分成本参数,迭代产生的多个分类器按加权错误率最小做最优选择,样本权重按分类结果做更新.实验选取六组数据,按R指标进行比较。MisC_S算法较其他算法,R值总体得到了一定幅度的提升,且在Credit_2和Credit_3数据集上提升明显.实验结果表明,MisC_S算法在提高不均衡样本的正类检测率上较有效.