论文部分内容阅读
针对使检查代价和误分类代价最小化的Cost—Sensitive学习，讨论误差在分类过程中的应用，提出一个带闽值的决策树，并给出一个带阈值的检查策略。在基于Cost—Sensitive学习的分类中，确定属性值所用到的检测手段和设备精度存在一定的误差值，评估误分类代价更是有较大的误差。另外，很多分类问题并不要求达到百分之百的正确率，允许有一定的误差范围。把这些误差的边界看作是一个阈值，利用这种闽值来简化决策树的建立，改进检查策略的设计，提高分类效率。