Asif Newaz

新的iCost框架通过自适应惩罚解决类别不平衡问题

研究人员推出了一种新颖的成本敏感学习框架iCost，旨在解决分类任务中的类别不平衡问题。与对少数类实例应用统一惩罚的传统方法不同，iCost根据个体实例的估计学习难度动态调整惩罚。这种自适应方法旨在减少偏差并提高整体分类性能。该框架包含两种复杂度估计策略：Neighbor-iCost和Gini-iCost，并已发布为兼容scikit-learn的Python包。