代价敏感的列表排序算法

在实际的信息检索的应用中，我们发现位于序列顶部的信息要比位于序列 中间或者尾部的信息更加重要，受到用户更多的关注。例如在文档检索中，用 户通常只是阅读位于序列顶部的文档。因此，在基于有序对的排序支持向

代价敏感分类算法的几种基于c4.5算法的扩展算法的实验比较

关于代价敏感随机森林的参考文章，主要针对非平衡的数据集

代价敏感属性选择问题的目的是通过权衡测试代价和误分类代价，得到一个具有最小总代价的属性子集。目前，多数代价敏感属性选择方法只考虑误分类代价固定不变的情况，不能较好地解决类分布不均衡等问题。而在大规模数

本算法基于weka实现的误分类代价和测试代价基于id3算法的实现。

代价敏感支持向量机学习材料,各位朋友有这方面的材料多多上传啊。

煤矿瓦斯预警可视为是否安全的分类问题,数据呈现不平衡分布特点。为此,提出一种混合策略属性选择多决策树分类算法:算法融合代价敏感因子,结合C4.5和CART属性选择方法作为分裂指标,并采用了基于不同根节

样本依赖的代价敏感流程预测方法,冯一,吴步丹,本文提出了一种样本依赖的代价敏感流程预测方法。在对流程执行结果进行预测时,基于预测结果可能产生的代价,对预测模型的阈值进

为解决因网络数据分布不均匀性而造成的链路预测问题,提出一种改进的代价敏感型链路预测算法(Link Boost).设计一种有监督链路预测可变代价损失函数,该函数对低节点度有链路节点对出现分类错误时的惩罚

粗糙集的近似集用已有知识粒对不确定性目标概念进行近似描述,但在构建近似集时并没有考虑数据的代价信息这一实际因素.对此,首先分析在构建粗糙集的近似集时考虑代价信息的必要性;然后,从代价敏感角度构建误分类