机会式学习：来自数据流的有限成本敏感学习

Jan, 2019

机会式学习：来自数据流的有限成本敏感学习

Opportunistic Learning: Budgeted Cost-Sensitive Learning from Data Streams

Mohammad Kachuee, Orpaz Goldstein, Kimmo Karkkainen, Sajad Darabi, Majid Sarrafzadeh

TL;DR本研究提出了一种基于强化学习和 MC dropout 采样方法的在线成本敏感特征获取方案，该方案可适用于流式学习的场景，测试结果表明该方案能够有效地获取特征并做出准确预测。

Abstract

In many real-world learning scenarios, features are only acquirable at a cost constrained under a budget. In this paper, we propose a novel approach for cost-sensitive feature acquisition at the prediction-time. The suggested method acquires features incrementally based on a context-aw

cost-sensitive feature acquisition reinforcement learning mc dropout sampling stream learning medical domain

发现论文，激发创造

为何花更多钱，当你可以花更少钱：主动特征获取和分类的联合学习框架

提供了一个新的框架，通过强化学习问题对活动特征获取问题进行建模，并引入了一种更系统完善的特征子集编码机制，该方法使用无序 LSTM-based 的集合编码机制来进行学习，从而在包含有缺失条目的情况下得到了很好的应用，并在活动特征获取方面性能均优于其他基线系统。

Sep, 2017

基于代价敏感学习的深度特征表示从非平衡数据中学习

该研究提出了一种基于成本敏感深度神经网络的方法，可以在不改变原始数据分布的情况下解决类别不均衡的问题，并在六个主要图像分类数据集上进行了实验证明其明显优于现有方法。

Aug, 2015

自适应的代价敏感的在线分类

本文提出了一类基于自适应正则化的代价敏感在线分类算法，并将描绘技术引入到算法中以提高效率。通过针对真实世界的在线异常检测任务的应用，证明了该算法在各种领域中解决代价敏感在线分类问题的有效性和效率。

Apr, 2018

不平衡数据流的在线集成学习

该论文提出了一个新的学习框架，结合了在线集成算法和成批的代价敏感采样 / 提升算法，有效地解决了同时处理代价敏感学习和在线学习的问题。

Oct, 2013

非参数主动学习用于成本敏感分类

设计了一种用于成本敏感分类的通用非参数主动学习算法，通过构建每个标签的预测成本函数的置信区间，该算法选择最具信息量的向量点，通过仅查询可能是最小的预测成本来与其交互，证明了该算法在与向量空间的交互数量方面达到了最优收敛速率，并且在对 Tsybakov 的噪声假设的一般版本中，通过边界决策的概率质量明确表征了相对于相应被动学习方法的收益，并且通过提供匹配的（仅差对数因子的）下界证明了获得上界的接近最优性。

Sep, 2023

深度强化学习实现成本敏感的投资组合选择

本研究提出了一种基于深度强化学习的成本敏感投资组合选择方法，使用两个投资组合策略网络提取价格序列模式和资产相关性，通过新的成本敏感回报函数约束成本并实现最大的累积回报，经实际数据验证，该方法具有良好的获利能力、成本敏感性和代表能力。

Mar, 2020

通过主动数据采购实现低成本学习

本研究致力于设计在线数据采购机制，旨在使代理人能够通过使用过去的数据主动定价以购买未来的数据，同时即使代理人透露数据的成本取决于数据本身，也能给出学习保证。我们的算法和分析是构建在无悔学习模型上的，具备基于预算约束条件下的风险控制保证，且使用的主要资源是金钱。

Feb, 2015

测试代价敏感方法用于识别附近的点

研究缺失数据的测试成本敏感方法，用于识别具有未知特征值的新点从大型数据集中找到附近点的问题。提出了两个模型：一种基于树，另一种基于深度强化学习，模拟表明这些模型在五个真实数据集上比随机代理效果好。

Oct, 2020

特征预算随机森林

该研究提出一种新颖的随机森林算法，通过贪心极小最大代价加权不纯度分割，使得生成具有低成本和高强度的树，来实现在特征收购预算下，如何在保证高准确性的同时降低预测时间成本。理论分析表明算法的收购成本接近最优，实验结果在多个基准数据集上优于基准算法。

Feb, 2015

多类别成本敏感深度学习的成本感知预训练

本文提出一种新的成本感知算法，将成本信息合并到深度学习的预训练阶段和训练阶段，以提高性能并优于没有合并成本信息的深度学习模型。

Nov, 2015