This paper introduces ICET, a new a

This paper introduces ICET, a new algorithm for cost-sensitive classification. ICET
uses a genetic algorithm to evolve a population of biases for a decision tree induction algorithm.
The fitness function of the genetic algorithm is the average cost of classification
when using the decision tree, including both the costs of tests (features, measurements) and
the costs of classification errors. ICET is compared here with three other algorithms for
cost-sensitive classification — EG2, CS-ID3, and IDX — and also with C4.5, which classifies
without regard to cost. The five algorithms are evaluated empirically on five realworld
medical datasets. Three sets of experiments are performed. The first set examines the
baseline performance of the five algorithms on the five datasets and establishes that ICET
performs significantly better than its competitors. The second set tests the robustness of
ICET under a variety of conditions and shows that ICET maintains its advantage. The third
set looks at ICET’s search in bias space and discovers a way to improve the search

ผลลัพธ์ (ไทย) 1:

เอกสารนี้แนะนำ ICET อัลกอริทึมใหม่สำหรับประเภทต้นทุนความ ICETใช้ขั้นตอนวิธีพันธุกรรมเพื่อพัฒนาประชากรยอมสำหรับอัลกอริทึมการเหนี่ยวนำของต้นไม้ตัดสินใจฟังก์ชั่นฟิตเนสของอัลกอริทึมทางพันธุกรรมคือ ต้นทุนเฉลี่ยของการจัดประเภทเมื่อใช้ต้นไม้การตัดสินใจ รวมทั้งต้นทุนของการทดสอบ (ลักษณะการทำงาน วัด) และต้นทุนของการจัดประเภทข้อผิดพลาด ICET เปรียบเทียบที่นี่กับสามอื่น ๆ อัลกอริทึมสำหรับการจัดประเภทต้นทุนสำคัญ — EG2, CS-ID3 และ IDX — และยัง มี C4.5 ซึ่งแบ่งประเภทของไม่เกี่ยวกับต้นทุน อัลกอริทึมห้าจะประเมิน empirically ใน realworld ห้าdatasets แพทย์ สามชุดทดลองจะดำเนินการต่อ ตรวจสอบชุดแรกประสิทธิภาพการทำงานพื้นฐานของอัลกอริทึมห้าบน datasets ห้า และสร้าง ICET นั้นดำเนินการอย่างมีนัยสำคัญดีกว่าคู่แข่ง ชุดสองทดสอบเสถียรภาพของICET ภายใต้เงื่อนไขและแสดงว่า ICET รักษาประโยชน์ ที่สามชุดค้นหาค้นหาพื้นที่ตั้งของ ICET และพบวิธีการปรับปรุงการค้นหา

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะแนะนำ ICET, ขั้นตอนวิธีการจัดหมวดหมู่ใหม่สำหรับค่าใช้จ่ายที่มีความอ่อนไหว ICET
ใช้วิธีทางพันธุกรรมที่จะพัฒนาประชากรอคติสำหรับขั้นตอนวิธีการเหนี่ยวนำการตัดสินใจต้นไม้.
ฟังก์ชั่นการออกกำลังกายของขั้นตอนวิธีพันธุกรรมเป็นค่าใช้จ่ายเฉลี่ยของการจำแนกเมื่อใช้ต้นไม้ตัดสินใจรวมทั้งค่าใช้จ่ายทั้งในส่วนของการทดสอบ (คุณสมบัติการวัด) และ ค่าใช้จ่ายในการจัดหมวดหมู่ของข้อผิดพลาด ICET ที่นี่เมื่อเทียบกับสามขั้นตอนวิธีการอื่น ๆ สำหรับการจำแนกค่าใช้จ่ายที่มีความละเอียดอ่อน- EG2, CS-ID3 และ IDX - และยังมี C4.5 ซึ่งจัดโดยไม่คำนึงถึงค่าใช้จ่าย ห้าขั้นตอนวิธีการสังเกตุได้รับการประเมินในห้า RealWorld ชุดข้อมูลทางการแพทย์ สามชุดของการทดลองจะดำเนินการ ชุดแรกตรวจสอบประสิทธิภาพการทำงานพื้นฐานของห้าขั้นตอนวิธีการในห้าชุดข้อมูลและกำหนดว่า ICET ดำเนินการอย่างมีนัยสำคัญที่ดีกว่าคู่แข่ง ชุดที่สองการทดสอบความทนทานของICET ภายใต้ความหลากหลายของเงื่อนไขและแสดงให้เห็นว่า ICET รักษาประโยชน์ของตน ที่สามชุดที่มีลักษณะที่ค้นหา ICET ในพื้นที่อคติและค้นพบวิธีที่จะปรับปรุงการค้นหา

ผลลัพธ์ (ไทย) 3:

กระดาษนี้จะแนะนำเกี่ยวกับ icet , ขั้นตอนวิธีใหม่สำหรับค่าใช้จ่ายหมวดหมู่ที่ละเอียดอ่อน icet
ใช้ขั้นตอนวิธีพันธุกรรมเพื่อพัฒนาประชากรอคติสำหรับการตัดสินใจแบบต้นไม้อัลกอริทึม
ฟิตฟังก์ชันของขั้นตอนวิธีทางพันธุกรรมเป็นค่าใช้จ่ายเฉลี่ยของการจำแนก
เมื่อใช้แผนภาพการตัดสินใจแบบต้นไม้ รวมทั้งค่าใช้จ่ายของการทดสอบ ( คุณสมบัติการวัด ) และ
ต้นทุนของการผิดพลาดicet เปรียบเทียบที่นี่กับสามขั้นตอนวิธีอื่นๆสำหรับการจำแนกต้นทุน - eg2
ไว , - cs-id3 และ IDX และยังมีโปรแกรม C4.5 ซึ่งจัดว่า
โดยไม่เสียค่าใช้จ่าย 5 ขั้นตอนวิธีจะประเมินเชิงประจักษ์ในห้า realworld
ทางการแพทย์ชุดข้อมูล การทดลอง 3 ชุด จะดำเนินการ ชุดแรกตรวจสอบ
พื้นฐานการทำงานของห้าขั้นตอนวิธีในห้าข้อมูล และสร้างที่ icet
มีประสิทธิภาพมากขึ้นกว่าคู่แข่ง ชุดที่ 2 แบบทดสอบความแกร่งของ
icet ภายใต้เงื่อนไขต่างๆ พบว่า icet รักษาประโยชน์ของ ชุด 3
ดู icet ค้นหาในพื้นที่อคติและค้นพบวิธีที่จะปรับปรุงการค้นหา