类别不平衡性对代价敏感学习的影响

摘要

分类算法通常假设每个类别中的样本数目是大致相当的。然而在真实问题中往往不能满足这样的假设,数据分布常常是不平衡的,一个类别中的样本可能远远多于其他类别。在这种应用问题中,小类别通常是关注的焦点,因此将小类别样本错误分类所带来的代价也更大。这就造成了不平衡的数据分布和不相等的错分代价同时并存的情况。rn 本文针对类别不平衡性对代价敏感学习算法性能的影响进行了研究。实验结果表明,当不同类别的错分代价差别相对较小时,原始的数据分布更有利于进行代价敏感学习；只有在错分代价差别足够大时,类别不平衡性才会影响代价敏感学习算法的有效性,此时应使用平衡的数据分布。