《表2 代价矩阵：一种基于支持向量机和主题模型的评论分析方法》
提示：宽带有限、当前游客访问压缩模式
但对于一些问题类型，负样本的数量远大于正样本.这些不平衡的数据可能导致分类器更倾向于将新样本预测为负样本.为了减轻不平衡数据的影响，采用代价敏感学习的方法[20]来处理这个问题.代价敏感学习方法的核心是代价矩阵.代价矩阵定义见表2.
| 图表编号 | XD0056217900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.01 |
| 作者 | 陈琪、张莉、蒋竞、黄新越 |
| 绘制单位 | 北京航空航天大学软件学院、北京航空航天大学软件学院、北京航空航天大学计算机学院、北京航空航天大学计算机学院、北京航空航天大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
