[under construction]
level imbalance: ..
minor = rev - c_retensi
mayor = c_retensi
cost retensi
evaluasi: sum rev TP - sum c_retensi TP+FP
voting menggunakan confidence (clementine)
dibandingkan dengan:
base clsssifier: C.50
base clsssifier: C.50 + balancing (ada macam-macam balancing)
revenue max: ...
revenue min: ....
revenue Costing: ....
Penggunaan Bagging apakah membantu dalam Costing?
Tren pengaruh iterasi bagging terhadap evaluasi (Recall, Precison, F, Revenue)
Pengaruh cost retensi terhadap evaluasi (Recall, Precison, F, Revenue)
Seberapa bagus (efektif -> revenue) algoritma Costing untuk
cost sensitive learning,
churn prediction
Mengapa bagus/jelek?
al. rejection sampling menghasilkan sample yang sedikit. Seberapa sedikit. (berapa %) cost-proportionate rejection sampling produces a smaller training set (by a factor of about N/Z).
Paper Roulette: we set the constant Z = maxC(i). Bagaimana cara mendapatkannya?
**sampling-based cost sensitive. Papernya algoritmanya apa saja.
pendekatan lain: ensemble
target:
* roulette (per instance) + rejection sampling
presisi berapa angka dibelakang koma untuk angka random (0-1)
