Uczenie maszynowe wrażliwe na koszty
term_id: cost_sensitive_machine_learning
Category: training_techniques
Definition
Uczenie maszynowe wrażliwe na koszty rozszerza tradycyjne uczenie nadzorowane, przypisując różne kary różnym typom błędów. W rzeczywistych scenariuszach fałszywie pozytywne i fałszywie negatywne wyniki często mają różne konsekwencje finansowe lub operacyjne.
Summary
Paradygmat uczenia maszynowego, który uwzględnia koszty błędnej klasyfikacji w procesie szkolenia, optymalizując pod kątem wpływu ekonomicznego, a nie tylko dokładności.
Key Concepts
- Modyfikacja funkcji straty
- Nierównowaga klas
- Koszt błędnej klasyfikacji
- Cel optymalizacji
Use Cases
- Wykrywanie oszustw w bankowości
- Screening medyczny chorób
- Filtrowanie spamu przy wysokich kosztach fałszywych alarmów
Related Terms
- Uczenie na danych niezrównoważonych (techniki radzenia sobie z nierównomiernym rozkładem klas)
- Kompromis precyzji i czułości (trade-off między wykrywaniem pozytywnym a minimalizacją błędów)
- Krzywa ROC (wykres oceniający wydajność modelu klasyfikacji)
- Strata ważona (funkcja straty przypisująca różne wagi błędom)