论文部分内容阅读
以分类精度为目标的传统分类算法通常假定：每个样本的误分类具有同样的代价且每类样本数大致相等．但现实数据挖掘中该假定不成立时，这些算法的直接应用不能取得理想的分类和预测．针对此缺隙，并基于标准的SVM，通过在SVM的设计中集成样本的不同误分类代价，提出代价敏感支持向量机（CS-SVM）的设计方法．实验结果表明CS-SVM是有效的．