การ เรียน รู้ เรื่อง ค่า ใช้ จ่าย เป็น เทคนิค ที่ ใช้ ใน การ ดู แล การ เรียน รู้ ของ เครื่อง ยนต์ เพื่อ จัด การ กับ สถานการณ์ ต่าง ๆ ที่ ความ ผิด พลาด ต่าง ๆ มี ผล ต่าง กัน ไป วิธี นี้ เกี่ยว ข้อง กับ การ ปรับ กระบวนการ เรียน รู้ ให้ ลด ราคา ไม่ ใช่ แค่ อัตรา ความ ผิด พลาด เท่า นั้น วิธี นี้ มี ประโยชน์ โดย เฉพาะ ใน ขอบเขต เช่น การ ตรวจ สอบ สุขภาพ การ ฉ้อ โกง และ การ ขูดรีด เครดิต ซึ่ง มี ค่า ใช้ จ่าย น้อย มาก
การ เข้าใจ ค่า ใช้ จ่าย
การ ทํา เช่น นี้ อาจ ทํา ให้ เกิด ผล เสีย หาย ร้าย แรง ได้
ตัว อย่าง เช่น ใน กรณี ที่ แพทย์ วินิจฉัย โรค ว่า หาย ป่วย (ลบ โดย ไม่ ได้ ตั้งใจ) อาจ มี ราคา แพง กว่า การ เตือน ผิด (ด้าน บวก เท็จ).
การคํานวณในการเรียนรู้ด้านค่าใช้จ่าย
การคํานวณเกี่ยวข้องกับการรวมค่าเริ่มต้นของค่าใช้จ่าย เข้ากับฟังก์ชันวัตถุประสงค์ของแบบจําลอง แทนที่จะรวมอัตราการผิดพลาดเข้าไป แบบจําลองนี้ลดค่าใช้จ่ายรวมลง ซึ่งก็คือ
สําหรับการจัดหมวดหมู่ไบนารี ค่าใช้จ่ายรวม (C) สามารถแสดงเป็น:
[FLT: 0]]. สืบค้นเมื่อ 20 พฤษภาคม ค.ศ.
โดย C[FLT: 0] XY แสดงต้นทุนที่ตรงกับผลลัพธ์แต่ละอย่าง และ FP, FN, TP, TN นับว่าเป็นบวกเท็จ, ลบเท็จ, บวกจริง, และลบจริง ๆ ตามลําดับ ค.ศ.
การ ลด ความ เสี่ยง
การเพิ่มปริมาณการเรียนรู้ที่ละเอียดอ่อน สามารถบรรลุได้โดยวิธีต่างๆ
- [FLT: 0] ปรับตัวน้ําหนักชั้น: กําหนดน้ําหนักสูงขึ้น ให้เรียนที่แพงขึ้นระหว่างการฝึก พ.ศ.
- [FLT: 0] เปิดใช้งานการตัดสินใจที่เลื่อนลอย: เปลี่ยน ขีดจํากัดความน่าจะเป็นเพื่อรองรับความผิดพลาดที่แพงน้อยกว่า.
- [FLT: 0] การเพิ่มอัลกอริทึมเรื่องค่าใช้จ่ายที่ไวต่อต้นทุน: อัลกอริทึมของแรงงานออกแบบมาเพื่อรวมค่าแมททริกซ์โดยตรง
- [FLT: 0] ข้อมูลการรีเซพชัน : oversample หรือ intersample คลาสตามค่าใช้จ่ายที่เอามาใช้
ห้องสมุดการเรียนรู้ของเครื่องส่วนใหญ่ เช่น scikit-ched เรียน รองรับน้ําหนักชั้น และการปรับการบิดเพื่อความสะดวกในการเรียนรู้ที่ต้องใช้ค่าใช้จ่าย