机器学习：模型评估与选择：性能度量——代价敏感错误率与代价曲线

代价敏感错误率和代价曲线是用于衡量分类模型性能的重要指标之一。

代价敏感错误率是指分类模型在不同类别的错误预测所带来的代价不同的情况下，综合考虑各类别的错误率得出的综合性能指标。在代价敏感错误率中，我们为每个类别赋予一个代价权重，这个权重可以是一个固定的值，也可以是根据实际情况动态调整的。

代价曲线是一条以分类器的阈值为横坐标，代价为纵坐标的曲线。在代价曲线中，我们可以通过调整分类器的阈值来平衡不同类别的错误率，从而得到一个较为理想的代价敏感错误率。同时，代价曲线也可以帮助我们选择最佳的分类器阈值，从而得到最佳的分类模型性能。

总之，代价敏感错误率和代价曲线是衡量分类模型性能的重要指标，可以帮助我们评估不同类别的错误率，从而得到一个更为准确的分类模型。