Maliyete duyarlı öğrenme, kontrol edilen makine öğrenme modellerinde kullanılan bir tekniktir, farklı hataların farklı sonuçları olduğu durumlarda idare etmek için kullanılır. Öğrenme sürecini sadece hata oranına kıyasla en aza indirmek için ayarlamayı içerir. Bu yaklaşım özellikle sağlık, dolandırıcılık algılama ve kredi puanlama gibi alanlarda faydalıdır.

Maliyet Matrices'leri Anlamak

Maliyetli bir matrix, maliyete duyarlı bir öğrenmede temel bir bileşendir. Her tür tahmin sonucu ile ilişkili maliyetleri tanımlar, gerçek olumlular, yanlış pozitifler, yanlış negatif negatifler ve gerçek negatifler.Farklı maliyetler tayin ederek, model en pahalı hataları önceliklendirir.

Örneğin, tıbbi bir teşhis senaryosuda, bir hastalık (faş negatif) eksik bir alarmdan daha pahalı olabilir (daha olumlu). Maliyet matrix bu öncelikleri eğitim sürecinde kodlamaya yardımcı olur.

Maliyetsiz Öğrenmede Hesaplamalar

Hesaplamalar, maliyet matrisini modelin objektif işlevine entegre etmeyi içerir. Hata oranını minizmek yerine, model toplam maliyeti en aza indirir, bu da bireysel tahmin maliyetlerinin toplam yükleri olan tutarsızlığıyla ağırlıklandırılır.

İkili bir sınıflandırma için, toplam maliyet (C) şöyle ifade edilebilir:

[FONT=0) C = C[DÜT:1) FP) * FP + C) * FN + C[FLT: 5)

C)XY) her tahmin sonucu ile ilişkili maliyeti temsil eder ve FP, FN, TP, TN, sahte pozitiflerin, yanlış negatif negatiflerin, gerçek pozitiflerin ve doğru negatiflerin sayılmasıdır.

Uygulama Stratejileri

Maliyete duyarlı öğrenmenin uygulanması çeşitli yöntemlerle elde edilebilir:

  • [FONT:0] Sınıf ağırlıkları:[Dönetici:[Dönetici: 1)Yüksek ağırlıklar eğitim sırasında daha pahalı sınıflara imza atar.
  • [FONT:0) Karar eşlerini Değiştirin:), olasılık eşini daha az maliyetli hataları lehine değiştirme olasılığı eşini değiştirir.
  • [FONT:0) Maliyete duyarlı algoritmaları:) Employ algoritmaları doğrudan maliyet matrisleri dahil etmek için tasarlanmış.
  • [FONT:0)Resampling verileri:[Dönetici: [Dönetici: 0,0) Aşırılık veya alt sınıflar, ilişkili maliyetlerine dayanan.

Çoğu makine öğrenme kütüphanesi, scikit- learning, destek sınıfı ağırlıkları ve eş ayarlamaları gibi maliyete duyarlı öğrenmelerini kolaylaştırmak için.