《表9 不同成本条件下TWDXGBoost产生的误分类数和延迟分类数》
此外,在表7与表8的实验基础上,进一步考虑了不同成本条件下TWD-XGBoost误分类数量与延迟分类数量,计算结果如表9所示。其中,n PN表示用户实际未用但预测为用了的错误数量,nB=nBP+n BN表示延迟分类的数量,n NP表示用户实际用了但预测未用的数量。通过表9可得:当保持λNP和λPN不变时,λBP越小,nPN和nNP越小,nB越大。这说明当学习成本减小时,延迟分类的数量会增加,误分类数量会减少。类似地,当保持λNP和λBP不变时,λPN越小,nB就越小,nPN越大;当保持λPN和λBP不变时,λNP越小,nB就越小,nNP越大。故当误分类成本减小时,延迟分类的数量会减少,误分类数量就会增加。由此可见,在TWD-XGBoost算法中,决策结果会向较小成本的决策区域进行偏移。
图表编号 | XD00109606800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 张微薇、刘盾、贾修一 |
绘制单位 | 西南交通大学经济管理学院、西南交通大学经济管理学院、南京理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |