《表3 二分类代价矩阵:不平衡数据挖掘方法综述》
在之前的评价标准中,都存在一种隐含的假设:分类错误的代价是均等的。但是在现实情况中,分类错误的代价往往是不同的。例如:在癌症诊断中,将一个患者判断为正常人和将一个正常人判断为患者的代价显然是不同的。以二分类为例,规定少数类为第0类,多数类为第1类。其代价矩阵如表3所示,Costij表示将第i类别预测为第j类别的代价。
图表编号 | XD0035438100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.15 |
作者 | 向鸿鑫、杨云 |
绘制单位 | 云南大学软件学院、云南大学软件学院、昆明市数据科学与智能计算重点实验室 |
更多格式 | 高清、无水印(增值服务) |