1 / 2
文档名称:

具有Fisher一致性的代价敏感Boosting算法.doc

格式:doc   大小:39KB   页数:2页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

具有Fisher一致性的代价敏感Boosting算法.doc

上传人:小辰GG1 2021/11/1 文件大小:39 KB

下载得到文件列表

具有Fisher一致性的代价敏感Boosting算法.doc

相关文档

文档介绍

文档介绍:00006)
E-mail: ******@
+86-10-62562563
软件学报 ISSN 1000-9825, CODEN RUXUEW
Journal of Software ,2013,24(11):2584-2596 [doi: .]
?中国科学院软件研究所版权所有 .Tel/Fax:
具有Fisher 一致性的代价敏感 Boosting算法
曹莹苗启广刘家辰高琳
(西安电子科技大学 计算机学院,陕西西安710071)
通讯作者 :苗启广 ,E-mail: ******@
摘 要:AdaBoost 是一种重要的集成学****元算法 ,算法最核心的特性 “Boosting也是解决代价敏感学****问题的有
,各种代价敏感 Boosting算法,如AdaCost、AdaC系列算法、CSB系列算法等采用启发式策略 ,向
AdaBoost算法的加权投票因子计算公式或权值调整策略中加入代价参数 ,,这些
启发式策略没有经过理论分析的验证 ,对原算法的调整破坏了 AdaBoost算法最重要的 Boosting特性。AdaBoost
算法收敛于贝叶斯决策,与之相比,这些代价敏感 Boosting并不能收敛到代价敏感的贝叶斯决策 .针对这一问题,研
究严格遵循Boosting理论框架的代价敏感 ,对分类间隔的指数损失函数以及 Logit损失函数进
行代价敏感改造,可以证明新的损失函数具有代价意义下的 Fisher 一致性,在理想情况下,优化这些损失函数最终收
敛到代价敏感贝叶斯决策;其次,在 Boosting框架下使用函数空间梯度下降方法优化新的损失函数得到算法 AsyB
,与现有代价敏感Boosting算法相比,AsyB和AsyBL算法能够有
效逼近代价敏感贝叶斯决策;UCI数据集上的测试结果也进一步验证了 AsyB以及AsyBL算法能够生成有更低错
分类代价的代价敏感分类器,并且错分类代价随迭代呈指数下降 .
关键词:代价敏感学****贝叶斯决策;Fisher —致性;AdaBoost;二分类 中图法分类号:TP181 文献标识码:A
中文引用格式:曹莹,苗启广,刘家辰,高琳具有 Fisher 一致性的代价敏感 ,2013,24(11):2584 - 2596.
n/1000-9825/ |
英文引用格式 :Cao Y, Miao QG, Liu JC, Gao L. Fisher consistent cost sensitive Boosting algorithm. Ruan Jian Xue Bao/ Journal
of Software, 2013,24(11):2584 - 2596 (in Chinese). -9825/ |
Fisher Con siste nt Cost S