杨 磊,陆慧娟,严 珂,叶敏超

(中国计量大学 信息工程学院,浙江 杭州 310018)

一种计算代价敏感算法分类精度的方法

杨 磊,陆慧娟,严 珂,叶敏超

(中国计量大学 信息工程学院,浙江 杭州 310018)

代价敏感普遍应用于解决分类不平衡问题,但代价敏感算法一直没有一个客观的评价标准.本文提出一种针对代价敏感算法的分类精度计算方法,以平衡精度替换总体精度来有效地评定代价敏感算法的分类性能.相比于传统的总体精度,该平衡精度不会忽略小类样本的贡献.通过代价敏感超限学习机对基因表达数据进行分类对比实验,结果表明，平衡精度可以更为客观、合理地表示代价敏感算法的分类性能.

代价敏感;平衡精度;超限学习机;基因表达数据

传统的机器学习分类算法通常假定训练集是平衡的.因此,在面对不平衡数据集时,以总体分类精度为最终目标的传统分类算法会过多地关注多数类,但在实际应用中,少数类样本被误分的代价要比多数类被误分的代价大,所以往往得不到更为可靠的分类结果[1-3].代价敏感学习(cost-sensitive learning, CSL)的引入有效的弥补了传统分类算法在不平衡数据分类方面的缺陷[4].

Chai等提出了使误分类代价和测试代价最小化的测试代价敏感贝叶斯算法[5].在此基础上,郑恩辉等提出了代价敏感支持向量机[6].之后，安春霖等将代价敏感嵌入超限学习机中并进行相异性集成,提出了代价敏感超限学习机(cost sensitive extreme learning machine, CS-ELM)[7-8].Lu等将代价敏感应用于……