類別不平衡學習：理論與算法讀書筆記模板01思維導圖目錄分析讀書筆記內容摘要作者介紹精彩摘錄目錄0305020406思維導圖算法理論技術第章學習類別領域機器技術文獻參考文獻思想小結算法討論實驗樣本采樣分類器關鍵字分析思維導圖內容摘要內容摘要類別不平衡學習是機器學習與數據挖掘領域的重要分支之一，其在很多應用領域中均發揮著重要作用。本書首先系統地介紹了與類別不平衡學習相關的一些基礎概念及理論(第1、2章)，進而在上述理論的基礎上，討論了一些主流的類別不平衡學習技術及對應算法，具體包括樣本采樣技術(第3章)、代價敏感學習技術(第4章)、決策輸出補償技術(第5章)、集成學習技術(第6章)、主動學習技術(第7章)及一類分類技術(第8章)等。此外，也探討了樣本不平衡分布的危害預評估技術(第9章)。最后，對該領域未來的發展方向及應用前景做出了評述與展望(第10章)。本書可作為高等院校與研究院所計算機、自動化及相關專業研究生的課外閱讀書籍，也可供對機器學習及數據挖掘感興趣的研究人員和工程技術人員閱讀參考。目錄分析1.1引言1.2基本概念1.3常用技術1.4應用領域1.5本書主要內容及安排12345第1章緒論參考文獻1.6文獻導讀第1章緒論2.1類別不平衡分布對傳統分類器性能的影響機理2.2類別不平衡學習的影響因素2.3類別不平衡學習的性能評價測度2.4本章小結第2章基礎理論參考文獻2.5文獻導讀第2章基礎理論3.1樣本采樣技術的基本思想及發展歷程3.2隨機采樣技術3.3人工采樣技術3.4優化采樣技術3.5實驗結果及討論12345第3章樣本采樣技術3.6本章小結參考文獻3.7文獻導讀第3章樣本采樣技術4.1代價敏感學習的基本思想4.3基于經驗加權的代價敏感學習算法4.2代價矩陣第4章代價敏感學習技術4.4基于模糊加權的代價敏感學習算法4.5實驗結果與討論4.6本章小結4.7文獻導讀參考文獻12345第4章代價敏感學習技術5.1決策輸出補償技術的基本思想5.3基于關鍵位置比對的決策輸出補償算法5.2基于經驗的決策輸出補償算法第5章決策輸出補償技術5.4基于優化思想的決策輸出補償算法5.5實驗結果與討論5.6本章小結5.7文獻導讀參考文獻12345第5章決策輸出補償技術6.1集成學習的基本思想6.2兩種經典的集成學習范式6.3基于樣本采樣技術的集成學習算法6.4基于代價敏感學習技術的集成學習算法6.5基于決策輸出補償技術的集成學習算法6.6實驗結果與討論010302040506第6章集成學習技術6.7本章小結參考文獻6.8文獻導讀第6章集成學習技術7.1主動學習的基本思想7.2基于支持向量機的主動不平衡學習算法7.3樣本不平衡分布中的主動學習算法設計7.4實驗結果與討論7.5本章小結12345第7章主動學習技術參考文獻7.6文獻導讀第7章主動學習技術8.1一類分類的基本思想8.2基于密度的一類分類器8.3基于支持域的一類分類器8.4一類極限學習機第8章一類分類技術8.5實驗結果與討論8.6本章小結8.7文獻導讀參考文獻第8章一類分類技術9.1預評估的必要性說明9.2基于樣本幾何可分測度的預評估算法9.3基于留一交叉驗證的預評估算法9.4實驗結果與討論9.5本章小結12345第9章樣本不平衡分布的危害預評估技術參考文獻9.6文獻導讀第9章樣本不平衡分布的危害預評估技術10.2未來的研究方向與發展前景10.1現有的挑戰第10章未來研究展望參考文獻10.3文獻導讀第10章未來研究展望作者介紹同名作者介紹這是《類別不平衡學習：理論與算法》的讀書筆記模板，暫無該書作者的介紹。讀書筆記讀書筆記這是《類別