论文研究动态误分类代价下代价敏感属性选择分治算法.pdf

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。而在大规模数据集上，算法效率不理想也是代价敏感属性选择的主要问题之一。针对这些问题，以总代价最小为目标，设计了一种新的动态误分类代价机制。结合分治思想，根据数据集规模按列自适应拆分各数据集。基于动态误分类代价重新定义最小代价属性选择问题，提出了动态误分类代价下的代价敏感属性选择分治算法。通过实验表明，该算法能在提高效率的同时获得最优误分类代价，从而保证所得属性子集的总代价最小。