代價敏感的機器學習算法研究及應用.pdf

1、機器學習在數(shù)據(jù)時代得到了迅速的發(fā)展，而其中的分類問題更是重點研究內(nèi)容。傳統(tǒng)的分類算法通常假設訓練樣本集中每類樣本的數(shù)目相等，且各類別的錯分代價相同，但實際應用問題大多屬于代價敏感問題。在這些問題中，通常少數(shù)類樣本應該獲得更多的關注。換句話說，少數(shù)類樣本的錯分代價遠遠高于多數(shù)類樣本的錯分的代價。本文針對二分類問題展開研究，采用平衡級聯(lián)的策略解決數(shù)據(jù)的不平衡問題，同時將代價敏感學習融入到稀疏表示分類和協(xié)同表示分類算法中，提出相應的代價敏感學

2、習算法。
　　本研究主要內(nèi)容包括：⑴改進平衡級聯(lián)的稀疏表示分類算法(BC-SRC)。對于類別不平衡分類問題，采用平衡級聯(lián)采樣策略獲得平衡化的訓練樣本，并利用稀疏表示分類算法進行分類。具體地，對于一組類別不平衡的訓練樣本，每次選擇與少數(shù)類樣本個數(shù)相同的多數(shù)類樣本一同作為子訓練集，不重復的多次選擇子訓練集使訓練集中的多數(shù)類樣本全部被取出過，并利用稀疏表示分類算法對藥品進行預測。最后，根據(jù)得到的多組結果采用加權策略得到測試樣本的最終類別

3、屬性，并在藥品的近紅外光譜數(shù)據(jù)上驗證了該算法的有效性。⑵改進代價敏感的稀疏表示分類算法(CSSRC)。將代價敏感學習引入到稀疏表示分類算法中，并利用概率估計模型估計樣本錯分的后驗概率作為誤分代價。由于稀疏表示系數(shù)的大小反映該樣本在對未知樣本線性表示中所起到的作用，因此本文利用稀疏表示系數(shù)估計樣本的錯分后驗概率，有效的解決了稀疏表示分類算法對類別不平衡問題的敏感性，還可以降低算法計算復雜度。⑶改進代價敏感的協(xié)同表示分類算法(CSCRC)。