5.7 不平衡类问题
例:产品质量检测,不合格产品数量远远低于合格产品的数量
在例:信用卡欺诈检测,合法交易远远多于欺诈交易
5.7.1 可选度量
混淆矩阵及其专业术语:
真正率或灵敏度:
真负率或特指度:
假正率:
假负率:
精度:确定在分类器断言为正类的那部分记录中实际为正类的记录所占的比例
召回率:被分类器正确预测的正样本的比例
F1度量:
Fb度量:
加权准确率:
5.7.2 接受者操作特征曲线(ROC)
显示分类器真正率和假正率之间折中的图形化方法
一个好的分类模型应该尽可能靠近图的左上角
曲线下方面积可以评价模型的平均性能
产生ROC曲线
5.7.3 代价敏感学习
代价矩阵对将一个类的记录分类到另一个类的惩罚进行编码
5.7.4基于抽样的方法
抽样的主要思想是改变实例的分布,从而帮助稀有类在训练数据集中得到很好的表示。
不充分抽样和过分抽样
5.8 多类问题
第一种思想是将多类问题分解为K个二类问题,称为一对多方法。
第二种思想是一对一方法构建K(K-1)/2个二类分类器