新書推薦:
![纯粹·四手联弹](http://103.6.6.66/upload/mall/productImages/24/26/9787559869128.jpg)
《
纯粹·四手联弹
》
售價:NT$
270.0
![论目的(西塞罗哲学文集;崔延强 主编)](http://103.6.6.66/upload/mall/productImages/24/28/9787300328737.jpg)
《
论目的(西塞罗哲学文集;崔延强 主编)
》
售價:NT$
406.0
![障碍是道路 生活充满了障碍,毅力与韧性直面痛苦和逆境](http://103.6.6.66/upload/mall/productImages/24/27/9787516927700.jpg)
《
障碍是道路 生活充满了障碍,毅力与韧性直面痛苦和逆境
》
售價:NT$
411.0
![工业数字化本质:数字化平台下的业务实践](http://103.6.6.66/upload/mall/productImages/24/28/9787111754152.jpg)
《
工业数字化本质:数字化平台下的业务实践
》
售價:NT$
463.0
![OKR实战宝典:顶尖企业的成功秘籍(目标与关键成果法实战宝典)(组织变革与创新管理系列丛书)](http://103.6.6.66/upload/mall/productImages/24/27/9787521642568.jpg)
《
OKR实战宝典:顶尖企业的成功秘籍(目标与关键成果法实战宝典)(组织变革与创新管理系列丛书)
》
售價:NT$
447.0
![历史的棋局](http://103.6.6.69/upload/mall/productImages/y24/7/9787564244026.jpg)
《
历史的棋局
》
售價:NT$
302.0
![跨境金融基础设施:现状和未来](http://103.6.6.66/upload/mall/productImages/24/27/9787500179467.jpg)
《
跨境金融基础设施:现状和未来
》
售價:NT$
411.0
![哲学与战争:京都学派六哲人思想素描](http://103.6.6.66/upload/mall/productImages/24/26/9787559870148.jpg)
《
哲学与战争:京都学派六哲人思想素描
》
售價:NT$
359.0
|
內容簡介: |
在实际应用中,需要处理的数据常常具有类别不平衡的特点.例如,用于信用卡欺诈检测、垃圾邮件过滤、机械故障诊断、疾病诊断、极端天气预测预报等的数据都是类别非平衡数据.研究非平衡数据分类问题具有重要意义和实际应用价值,引起机器学习领域研究人员的广泛关注.《非平衡数据分类理论与方法》结合作者团队在非平衡数据分类中的研究成果,系统介绍非平衡数据分类的理论基础、模型评价、数据级方法、算法级方法和集成学习方法.
|
目錄:
|
目录“信息科学技术学术著作丛书”序前言第1章 理论基础11.1 数据分类11.2 K-近邻41.3 决策树51.3.1 离散值决策树61.3.2 连续值决策树191.4 神经网络251.4.1 神经元模型251.4.2 梯度下降算法261.4.3 多层感知器模型291.4.4 卷积神经网络331.5 极限学习机431.6 支持向量机461.6.1 线性可分支持向量机461.6.2 近似线性可分支持向量机501.6.3 线性不可分支持向量机511.7 集成学习541.7.1 集成学习简介541.7.2 Bagging算法551.7.3 Boosting算法561.7.4 随机森林算法571.7.5 模糊积分集成算法60第2章 模型评价632.1 基本度量632.2 ROC*线与AUC面积652.2.1 ROC*线652.2.2 AUC面积682.3 损失函数712.4 偏差与方差802.5 多样性度量812.5.1 成对多样性度量822.5.2 非成对多样性度量832.5.3 分类器集成的多样性和分类精度之间的关系85第3章 数据级方法863.1 数据级方法概述863.2 SMOTE算法883.3 B-SMOTE算法893.4 基于生成模型上采样的两类非平衡数据分类算法893.4.1 基于极限学习机自动编码器的上采样算法913.4.2 基于生成对抗网络的上采样算法933.4.3 算法实现及与其他算法的比较983.5 基于自适应聚类和模糊数据约简下采样的两类非平衡大数据分类算法1093.5.1 大数据概述1093.5.2 大数据处理系统1103.5.3 聚类分析1273.5.4 两类非平衡大数据分类算法1343.5.5 算法实现及与其他算法的比较138第4章 算法级方法1444.1 算法级方法概述1444.2 基于代价敏感性学习的非平衡数据分类方法1464.2.1 代价敏感性学习基础1464.2.2 代价敏感性支持向量机1514.2.3 代价敏感Boosting算法1514.3 基于深度学习的非平衡图像数据分类方法1534.3.1 针对非平衡图像数据的深度表示学习1534.3.2 针对长尾识别的目标监督对比学习1564.3.3 针对长尾识别的深度嵌入和数据增广学习方法159第5章 集成学习方法1635.1 集成学习方法概述1635.2 SMOTEBoost算法与SMOTEBagging算法1645.3 基于改进D2 GAN上采样和分类器融合的两类非平衡数据分类1665.3.1 基于改进D2 GAN的上采样方法1665.3.2 基于改进D2 GAN上采样和分类器融合的两类非平衡数据分类1695.3.3 算法实现及与其他算法的比较1725.4 基于MapReduce和极限学习机集成的两类非平衡大数据分类1795.4.1 交替上采样方法1795.4.2 基于交替上采样和集成学习的两类非平衡大数据分类1805.4.3 算法实现及与其他算法的比较1825.5 基于异类*近邻超球上采样和集成学习的两类非平衡大数据分类1865.5.1 基于MapReduce和异类*近邻超球的上采样1865.5.2 基于异类*近邻超球上采样和模糊积分集成的两类非平衡大数据分类1885.5.3 算法实现及与其他算法的比较188参考文献194
|
|