Trong bài báo này, tác giả trình bày một dạng cận trên cho sai số bất đối xứng tổng quát dựa trên sai số bất đối xứng thực nghiệm, của bộ phân loại có dạng là kết hợp lồi của nhiều bộ phân loại khác. Bộ phân loại kết hợp lồi được sử dụng khá phổ biến trong các phương pháp kết hợp phân loại gần đây như phương pháp thúc đẩy (boosting) hoặc phương pháp đóng bao (bagging). Chúng tôi cũng chỉ ra loại cận này là một dạng tổng quát của một trong những cận mới nhất (và chặt nhất) của sai số đối xứng tổng quát, cho bộ phân loại kết hợp lồi. | Journal of Computer Science and Cybernetics, , (2012), 310–322 BOUNDING AN ASYMMETRIC ERROR OF A CONVEX COMBINATION OF CLASSIFIERS PHAM MINH TRI1 , CHAM TAT JEN2 1 Cambridge Research Laboratory, Toshiba Research Europe Ltd, Cambridge, United Kingdom; Email: mtpham@ 2 School of Computer Engineering, Nanyang Technological University, Singapore Tóm t t. Sai số phân loại bất đối xứng là loại sai số trong đó có sự thỏa hiệp giữa tỷ lệ dương tính giả và tỷ lệ âm tính giả của bộ phân loại nhị phân. Nó được sử dụng rộng rãi gần đây nhằm giải quyết bài toán phân loại nhị phân mất cân đối, ví dụ phương pháp thúc đẩy bất đối xứng (asymmetric boosting) trong máy học. Tuy nhiên, cho đến nay, mối quan hệ giữa sai số bất đối xứng thực nghiệm và sai số bất đối xứng tổng quát chưa được giải quyết triệt để. Các cận cổ điển của sai số phân loại thông thường (sai số đối xứng) không dễ được áp dụng trong trường hợp mất cân đối, vì tỷ lệ dương tính giả và tỷ lệ âm tính giả được gán những chi phí khác nhau, và xác suất mỗi loại không được phản ánh bởi tập dữ liệu tập huấn. Trong bài báo này, chúng tôi trình bày một dạng cận trên cho sai số bất đối xứng tổng quát dựa trên sai số bất đối xứng thực nghiệm, của bộ phân loại có dạng là kết hợp lồi của nhiều bộ phân loại khác. Bộ phân loại kết hợp lồi được sử dụng khá phổ biến trong các phương pháp kết hợp phân loại gần đây như phương pháp thúc đẩy (boosting) hoặc phương pháp đóng bao (bagging). Chúng tôi cũng chỉ ra loại cận này là một dạng tổng quát của một trong những cận mới nhất (và chặt nhất) của sai số đối xứng tổng quát, cho bộ phân loại kết hợp lồi. Abstract. Asymmetric error is an error that trades off between the false positive rate and the false negative rate of a binary classifier. It has been recently used in solving the imbalanced classification problem, ., in asymmetric boosting. However, to date, the relationship between an empirical asymmetric error and its generalization counterpart has not .
