Что такое обучение с учётом цены ошибки и чем оно отличается от манипуляций с выборкой?

Cost-sensitive learning работает на уровне функции потерь, а не данных: разные ошибки имеют разную стоимость. Sampling меняет распределение train (oversampling/SMOTE), cost-sensitive меняет «штрафы» за ошибки. Три подхода: (1) weighted loss через class_weight или scale_pos_weight; (2) cost matrix + decision rule min_y E[cost(y, y_true) | x], для бинарной задачи это сводится к threshold = cost(FP) / (cost(FP) + cost(FN)); (3) sample_weight при .fit(). Выбирают cost-sensitive, когда модель даёт калиброванные вероятности и стоимости ошибок известны явно (антифрод, медицина).