SVM的非对称成本分配

Question

我需要根据错误分配不同的费用：

•假阴性 - 10

•误报 - 1

svmFit <-   train(Y ~ .,
            data = credit.train,
            method = "svmRadial",
            preProc = c("center", "scale"),
            tuneLength = 8,
            cost=1:10,
            metric = "ROC", 
            probability = TRUE, 
            trControl = trainControl(classProbs = TRUE,summaryFunction=twoClassSummary)

这里的成本是错误分类，算法将选择具有最大AUC的成本，因为我们选择指标为ROC。

但是我需要找到一种方法来惩罚10，如果它是假阴性，1，如果是假阳性。目前它将以相同的价值惩罚两者。

Answer 1

caret有一些cost-senstive learning models包装器。尝试其中之一。

最高