基本信息

---

下载

文档摘要

---

基于代价敏感的不平衡分类问题：理论、算法与实证探究

一、引言

1.1研究背景与意义

在机器学习与数据挖掘领域，分类任务是一项基础且关键的任务，其旨在依据已有的数据特征，将新的数据准确划分到预先设定的类别中。在现实世界里，数据的分布往往并不均匀，这就导致了不平衡分类问题的出现。在这类问题中，不同类别的样本数量存在显著差异，少数类样本的数量远远少于多数类样本。这种数据分布的不均衡现象广泛存在于众多实际应用场景之中。

以医疗诊断领域为例，罕见疾病的病例数量通常极为稀少，而常见疾病的病例则相对丰富。在对罕见疾病进行诊断时，由于少数类样本（罕见疾病病例）的稀缺，传统的分类算法很容易将其误判为多数类（