论文部分内容阅读
标准的分类器设计大多都是基于整体最小化错误率。在入侵检测、医疗诊断等领域中，不同类别的误分类通常具有不等的损失。文中采用支持向量机建立模型，在组合算法的思想下引入组合代价敏感支持向量机，弥补传统代价敏感支持向量机在分类精度上的不可控。在模型对比中引入了更为实际的对比方式，从而能更好地选取模型，以减少总体误分代价。文中考虑不同类别的误分代价的前提下建立合适的支持向量机模型，并成功地应用在个人信用分类上。