成本敏感型学习:依赖于示例的成本敏感型学习的混合整数线性规划方法 源码

成本敏感的学习 依赖实例的成本敏感型学习的混合整数规划方法 抽象 在这项研究中,我们研究了与示例相关的成本敏感型学习,该学习基于标签决策带来了不同的成本/回报。 这些问题源于决策模型,在数据中成本/收益信息而不是真正标签的重点领域中得到了区分。 例如,在流失预测和信用评分中,主要目的是建立预测模型和决策规则,以最大化/最小化公司的回报/成本。 传统的精度驱动的分类方法没有考虑基于实例的成本/回报。 取而代之的是,学习基于恒定的错误分类错误进行。 因此,我们提出了一种将基于实例的成本/收益纳入学习算法的一般策略。 具体而言,将学习问题表述为混合整数程序,以使总回报最大化。 考虑到混合整数线性规划