代价敏感学习中的损失函数设计

摘要：

一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下,提出两条代价敏感损失设计准则.接着采用两种常用代价敏感损失生成方法构造平方损失、指数损失、对数损失、支持向量机损失等经典损失函数的代价敏感扩展形式.根据所提出的设计准则,从理论上分析这些代价敏感损失的性能.最后通过实验表明,同时满足两条设计准则的代价敏感损失能有效降低分类代价,从而证明了本文提出的代价敏感损失设计准则的合理性.

关键词：学习算法、代价敏感学习、损失函数、Bayes最优决策、代价敏感损失

所属期刊栏目：32

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学青年基金项目31200496,61473156;中国博士后基金项目2014M551487;江苏省博士后基金项目1301009A资助.Supported by National Natural Science Fundations of China31200496,61473156;National Science Foundation for Post-doctoral Scientist of China2014M551487;Postdoctoral Science Foundation of Jiangsu Province1301009A

在线出版日期：2015-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：689-694