비용 민감 학습을 위한 비용 비례 예제 가중치

우리는 분류기 학습 알고리즘과 분류 이론을 비용 민감 알고리즘과 이론으로 변환하기 위한 방법군을 제안하고 평가합니다. 제안된 변환은 학습 예제의 비용 비례 가중치를 기반으로 하며, 이는 가중치를 분류 알고리즘에 제공(부스팅에서 자주 수행됨)하거나 신중한 서브샘플링을 통해 실현될 수 있습니다. 우리는 제안된 방법에 대한 이론적 성능 보장을 제시하고, 그것들이 기존 접근 방식에 대한 실질적인 대안임을 입증하는 경험적 증거도 제공합니다. 특히, 우리는 비용 비례 거부 샘플링과 앙상블 집합을 기반으로 하는 방법인 costing을 제안하는데, 이는 두 개의 공개 데이터 세트에서 우수한 예측 성능을 달성하면서 다른 방법들이 요구하는 계산량을 대폭 줄입니다.