摘要：模式识别在实际应用中常碰到类分布不平衡的多分类问题。该情形下的分类器性能采用传统的精度指标评价意义不大，需要采用代价指标和ROC曲线分析来评价。传统的分类器对不平衡问题分类性能很差，利用AdaBoost算法在机器学习中对样本权重的调整，将不平衡的错分代价加入到样本权重,使分类器更多关注重要的少数样本类,可以提高不平衡类分布下多分类性能。模拟试验也表明了该方案的有效性。

原文链接:http://www.cqvip.com//QK/88143A/200702/25013435.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）