代价敏感支持向量机
来源期刊：控制与决策2006年第4期
论文作者：郑恩辉 李平 宋执环
文章页码：473 - 476
关键词：分类;支持向量机;代价;
摘 要：以分类精度为目标的传统分类算法通常假定:每个样本的误分类具有同样的代价且每类样本数大致相等.但现实数据挖掘中该假定不成立时,这些算法的直接应用不能取得理想的分类和预测.针对此缺隙,并基于标准的SVM,通过在SVM的设计中集成样本的不同误分类代价,提出代价敏感支持向量机（CS-SVM）的设计方法.实验结果表明CS-SVM是有效的.
郑恩辉，李平，宋执环
摘 要：以分类精度为目标的传统分类算法通常假定:每个样本的误分类具有同样的代价且每类样本数大致相等.但现实数据挖掘中该假定不成立时,这些算法的直接应用不能取得理想的分类和预测.针对此缺隙,并基于标准的SVM,通过在SVM的设计中集成样本的不同误分类代价,提出代价敏感支持向量机（CS-SVM）的设计方法.实验结果表明CS-SVM是有效的.
关键词：分类;支持向量机;代价;
