1 绪 论
1.1.1问题的提出
1.1.2 研究的意义
1.2国内外研究现状
1.3.1课题研究的目的
1.3.2课题研究的内容
1.4论文章节安排
1.5本章小结
2 处理不平衡数据的基本理论
2.1处理不平衡数据的基本思路
2.1.1数据采样处理阶段
2.1.2特征选择阶段
2.1.3分类算法阶段
2.2.1 SMOTE算法的基础知识
2.2.2 SMOTE算法的缺陷与改进
3 部分机器学习分类算法介绍
3.1机器学习的学习方式
3.1.1监督学习
3.1.2无监督学习
3.1.3半监督学习
3.1.4 强化学习
3.2 决策树算法
3.2.1决策树算法的基础知识
3.2.2 ID3决策树的推导与算法
3.2.3 C45决策树的推导与算法
3.2.4决策树剪枝的基础知识
3.3.1逻辑回归的基本知识
3.3.2逻辑回归的计算
3.4.1 Adaboost算法的基本知识
3.4.2 Adaboost算法的步骤
4 分类效果的评价指标与理论
4.1评价分类算法的各种指标
4.2二维混淆矩阵的理论与算法
4.3.1 ROC曲线的基本知识
4.3.2 ROC曲线的绘制方法
4.3.3 AUC值的含义
4.4宏平均与微平均的基本原理
5 实例分析
5.1数据解析与数据预处理
5.2特征选择
5.3处理样本不平衡问题
5.4训练组合分类器,并进行评价
6 结 论
参考文献
附录
A.学位论文数据集
致谢
声明
重庆大学;