软件学报

作者：万建武,杨明

单位：万建武，常州大学 信息科学与工程学院, 江苏 常州 21316411,杨明，南京师范大学 计算机科学与技术学院, 江苏 南京 21002302

关键词：代价敏感;损失;分类;人脸识别;软件缺陷预测;多标记学习

基金：国家自然科学基金（61502058，61876087）

分类是机器学习的重要任务之一.传统的分类学习算法追求最低的分类错误率，假设不同类型的错误分类具有相等的损失.然而，在诸如人脸识别门禁系统、软件缺陷预测、多标记学习等应用领域中，不同类型的错误分类所导致的损失差异较大.这要求学习算法对可能导致高错分损失的样本加以重点关注，使得学习模型的整体错分损失最小.为解决该问题，代价敏感学习方法引起了研究者的极大关注.以代价敏感学习方法的理论基础作为切入点，系统阐述了代价敏感学习的主要模型方法以及代表性的应用领域.最后，讨论并展望了未来可能的研究趋势.

来源：2020年第1期

《软件学报》期刊编辑部

查看软件学报杂志2020年第1期