公众号阅读内容分享

1. 案例详解：欺诈检测中的代价敏感算法

在传统的二分类分类问题中，我们的目的是尽量减少误分类，并用准确率、F度量或AUC-ROC曲线等统计量来衡量模型的性能。然而在某些问题中，为了降低总代价最好容许更多的误分类。如果误分类产生的代价因样本而异，我们应该采取基于实例的代价敏感学习方法。传统分类模型假定所有的误分类具有相同的代价，而代价敏感模型认为不同分类模型间和不同样本间的代价都不同。在本文中，我们将根据信用卡欺诈数据集对各种模型进行训练和测试来解释基于实例的代价敏感机器学习的概念。