声明
摘要
第1章 引言
1.1 研究背景
1.2 国内外研究现状
1.3 本文主要工作和结构安排
第2章 统计学习基本理论
2.1 理论框架
2.2 逻辑回归模型(Logistic Regression)
2.3 决策树
第3章 集成学习和随机森林
3.1 Bagging
3.2 Boosting
3.3 RandomForest
3.4 分类器性能评估
第4章 基于高维非平衡数据分类的随机森林模型
4.1 代价矩阵
4.2 代价敏感随机森林模型
第5章 实证研究
5.1 数据来源及说明
5.2 数据预处理
5.3 描述性分析
5.4 建模方法及结果分析
5.5 进一步研究
第6章 总结与改进
参考文献
致谢