2.3.4 代价敏感错误率与代价曲线
       在现实任务中常会遇到这样的情况：不同类型的错误所造成的后果不同．例如在医疗诊断中，错误地把患者诊断为健康人与错误地把健康人诊断为患者，看起来都是犯了“一次错误”，但后者的影响是增加了进一步检查的麻烦，前者的后果却可能是丧失了拯救生命的最佳时机；再如，门禁系统错误地把可通行人员拦在门外，将使得用户体验不佳，但错误地把陌生人放进门内，则会造成严重的安全事故．为权衡不同类型错误所造成的不同损失，可为错误赋予“非均等代价”(unequal cost).
　　以二分类任务为例，我们可根据任务的领域知识设定一个“代价矩阵”(cost matrix)，如表2.2所示，其中costij表示将第i类样本预测为第歹类样本的代价，一般来说，costii=0；若将第0类判别为第1类所造成的损失更大，则costoi>costio;损失程度相差越大，costoi与costio值的差别越大．