机器学习 - 非平衡分类问题

1. 问题被研究的原因

1）在实际问题中，大多数分类问题，样本错分会带来不同的代价。那么我们就应该知道样本被错分的概率，或者说样本错分带来点的代价。

2）数据不平衡的情况下，比如所给样本几乎都是正例，那么此时分类正确率肯定很高，但是意义不大；因此只用一个p分类正确率是不够的。

2. 分类性能度量指标

2.1 混淆矩阵