声明
1 绪论
1.1 研究背景
1.2 研究意义
1.3 论文主要工作
2 理论基础
2.1 决策树
2.1.1 特征选择
2.1.2 剪枝算法
2.2 集成学习
2.3 Boosting算法
2.3.1 AdaBoost算法
2.3.2 Gradient Boost算法
2.3.3 XGBoost算法
2.4 Bagging算法
2.4.1 随机森林
2.5 本章小结
3 问题分析与数据处理
3.1 问题分析
3.2 数据可视化及预处理
3.3 不平衡数据集的处理
3.4 本章小结
4 实证分析与结果分析
4.1 模型评价标准
4.2 模型构建
4.2.1 决策树模型
4.2.2 XGBoost模型
4.2.3 梯度提升树和随机森林模型
4.3 模型比较与总结
结论
参考文献
致谢
大连理工大学;