लागत-संवेदनशील सीखने की तकनीक एक ऐसी तकनीक है जिसका उपयोग निगरानी मशीन लर्निंग मॉडल में स्थितियों को संभालने के लिए किया जाता है जहां विभिन्न प्रकार की त्रुटियों के परिणाम अलग-अलग होते हैं। इसमें केवल त्रुटि दर के बजाय समग्र लागत को कम करने के लिए सीखने की प्रक्रिया को समायोजित करना शामिल है। यह दृष्टिकोण विशेष रूप से स्वास्थ्य देखभाल, धोखाधड़ी का पता लगाने और क्रेडिट स्कोरिंग जैसे डोमेन में उपयोगी है, जहां गलतफहमी की लागत काफी भिन्न होती है।

लागत वाली मैटरिस को समझना

एक लागत मैट्रिक्स लागत-संवेदनशील सीखने में एक मूलभूत घटक है। यह प्रत्येक प्रकार के भविष्यवाणियों के परिणाम से जुड़ी लागत को परिभाषित करता है, जैसे कि वास्तविक सकारात्मक, झूठे सकारात्मक, झूठे नकारात्मक और सच्चे नकारात्मक। विभिन्न लागतों को निर्दिष्ट करके, मॉडल सबसे महंगी त्रुटियों को कम करने की प्राथमिकता दे सकता है।

उदाहरण के लिए, एक चिकित्सा निदान परिदृश्य में, एक बीमारी (false नकारात्मक) को लापता होने से झूठे अलार्म (false सकारात्मक) की तुलना में अधिक महंगा हो सकता है। लागत मैट्रिक्स प्रशिक्षण प्रक्रिया में इन प्राथमिकताओं को कोडित करने में मदद करता है।

लागत-संवेदनशील लर्निंग में गणना

गणना में लागत मैट्रिक्स को मॉडल के उद्देश्य के कार्य में एकीकृत करना शामिल है। त्रुटि दर को कम करने के बजाय, मॉडल कुल लागत को कम करता है, जो उनकी संभावना से भारित व्यक्तिगत भविष्यवाणी लागत का योग है।

एक द्विआधारी वर्गीकरण के लिए, कुल लागत (C) को निम्नानुसार व्यक्त किया जा सकता है:

C = C]FP]]*FP + C]FN* FN + CTP[* TP + C]TN]*TN]]]*FLT]]]]*FLT:FLT:5]]]]]][FLT:]]]* TP + C]]]]]TN[FLT[[FLT]]]]]]]]]]]]]]]]]]]]]

जहां C]XY प्रत्येक भविष्यवाणी परिणाम से जुड़ी लागत का प्रतिनिधित्व करता है, और FP, FN, TP, TN क्रमशः झूठे सकारात्मक, झूठे नकारात्मक, सच्चे सकारात्मक और सच्चे नकारात्मक की गिनती है।

कार्यान्वयन रणनीति

विभिन्न तरीकों से लागत-संवेदनशील सीखने को कार्यान्वित करना:

  • ]Adjusting class weight: प्रशिक्षण के दौरान अधिक महंगा वर्गों के लिए उच्च भार सौंपना।
  • ]निर्णय सीमा को संशोधित करना: कम लागत वाली त्रुटियों के पक्ष में संभावना थ्रेसहोल्ड बदलें।
  • ]] का उपयोग लागत-संवेदनशील एल्गोरिदम: Employ एल्गोरिदम सीधे लागत matrices को शामिल करने के लिए डिज़ाइन किया गया।
  • ]Resampling data: Oversample or undersample classs on their related cost.

अधिकांश मशीन लर्निंग पुस्तकालयों, जैसे कि स्किकिट-लर्न, सपोर्ट क्लास वेट और थ्रेसहोल्ड एडजस्टमेंट्स, जो लागत-संवेदनशील सीखने को सुविधाजनक बनाने के लिए हैं।