非均等代价是指赋予每个类别造成的损失代价不同的情况。

在一些情形中，不同的预测结果可能造成的损失程度不同，给这样的分类赋予同样的代价函数不切合实际，此时可以根据分类的类别重要程度，为错误赋予「非均等代价」。

非均等代价下，考虑的不是有话错误的次数，而是最小化「总体代价」。

考虑非均等代价情况时，常规的度量方式 ROC 曲线不能表现学习器的情况，通常采用「代价曲线」来说明学习器的期望总体代价。

父级词：代价

参考来源：

《机器学习》周志华，清华大学出版社