不平衡數據的構造性學習理論與方法 嚴遠亭 張以文 張燕平 9787312056321 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：中國科學技術大學
物品所在地：中國大陸
原出版社：中國科學技術大學
NT$502
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202310*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：不平衡數據的構造性學習理論與方法 ISBN：9787312056321 出版社：中國科學技術大學 著編譯者：嚴遠亭 張以文 張燕平 叢書名：基礎科學基本理論及其熱點問題研究 頁數：291 所在地：中國大陸 *此為代購商品 書號：1619512 可大量預訂，請先連絡。 內容簡介 本書主要介紹了受構造性神經網路啟發的一類構造性的不平衡學習理論及方法。對不平衡學習相關的概念以及構造性覆蓋演算法進行了簡要介紹，在此基礎上重點介紹了構造性不平衡學習的相關理論和方法。全書共13章，內容包括不平衡學習的相關理論和方法、構造性覆蓋演算法、基於構造性覆蓋開展的多個視角的構造性不平衡學習的系列相關演算法、非構造性不平衡學習的一些相關演算法，對不平衡數據學習的研究挑戰和未來研究方向。本書可作為高等院校和科研院所計算機、自動化等相關專業的研究生的閱讀書籍，也可供對機器學習和數據挖掘相關領域感興趣的研究人員及工程技術人員閱讀參考。目錄 前言第1章 不概述 1 1 引言 1 2 不的含義 1 2 1 問題定義 1 2 2 應用領域 1 3 不方法概述 1 3 1 數據層面方法 1 3 2 演算法層面方法 1 4 模型評估指標 1 4 1 正確率 1 4 2 查准率 1 4 3 查全率 1 4 4 F度量值 1 4 5 幾何平均度量值 1 4 6 接受者操作特曲線 1 4 7 曲線積 第2章 構造覆蓋演算法 2 1 構造覆蓋分類模型 2 1 1 模型學 2 1 2 預測 2 2 構造覆蓋集成分類模型 2 2 1 模型不確定分析 2 2 2 基於投票的集成模型 2 2 3 模型能分析 第3章 構造SMOTE過採樣方法 3 1 問題描述 3 2 三支決策模型 3 3 構造SMOTE過採樣方法 3 3 1 構造SMOTE的三支決策模型 3 3 2 構造SMOTE過採樣集成模型 3 4 模型分析與能評估 3 4 1 模型評估基本設置 3 4 2 參數敏感分析 3 4 3 模型能評估 第4章 構造SMOTE混合採樣方法 4 1 問題描述 4 2 構造SMOTE混合採樣方法 4 2 1 SMOTE及其演算法分析 4 2 2 CCA清洗策略 4 2 3 成對清洗策略 4 2 4 SMOTE+CCA演算法 4 3 模型分析與能評估 4 3 1 模型評估基本設置 4 3 2 數據清洗結果分析 4 3 3 模型能評估 第5章 構造欠採樣集成方法 5 1 問題描述 5 2 SDUS演算法 5 2 1 空間鄰域挖掘 5 2 2 樣本選擇 5 2 3 欠採樣集成框架 5 3 模型複雜度分析 5 3 1 鄰域挖掘複雜度分析 5 3 2 欠採樣複雜度分析 5 4 模型分析與能評估 5 4 1 模型評估基本設置 5 4 2 參數敏感分析 5 4 3 模型能評估 第6章 構造集成過採樣方法 6 1 問題描述 6 2 NA-SMOTE演算法 6 2 1 少數類鄰域挖掘 6 2 2 少數類鄰域融合 6 2 3 雜訊樣本檢測 6 3 模型分析與性能評估 6 3 1 模型評估基本設置 6 3 2 參數敏感性分析 6 3 3 模型性能評估 第7章 構造性集成欠採樣方法 7 1 問題描述 7 2 WUS和WEUS-V演算法 7 2 1 多數類鄰域挖掘 7 2 2 基於投票的領域挖掘 7 2 3 演算法原理 7 3 模型分析與性能評估 7 3 1 模型評估基本設置 7 3 2 參數敏感性分析 7 3 3 模型性能評估 第8章 構造性自適應三支過採樣方法 8 1 問題描述 8 2 交叉驗證的構造性覆蓋 8 3 構造性自適應三支過採樣方法 8 3 1 自適應的三支域構建 8 3 2 局部信息約束過採樣 8 3 3 構造性自適應三支過採樣 8 4 模型分析與性能評估 8 4 1 模型評估基本設置 8 4 2 參數敏感性分析 8 4 3 模型性能評估 第9章 構造性過採樣的鄰域感知優化方法 9 1 問題描述 9 2 ANO演算法 9 2 1 少數類鄰域探測 9 2 2 粒子群演算法 9 2 3 鄰域敏感建模 9 2 4 模型技術實現 9 3 模型分析與性能評估 9 3 1 模型評估基本設置 9 3 2 模型性能評估 第10章 非構造性不平衡學習——採樣優化方法 10 1 問題描述 10 2 類重疊不平衡進化混合採樣方法 10 2 1 探測重疊區域 10 2 2 進化欠採樣 10 2 3 隨機過採樣 10 2 4 複雜度分析 10 3 模型分析與性能評估 10 3 1 模型評估基本設置 10 3 2 參數敏感性分析 10 3 3 重疊樣本消除實驗 10 3 4 EHSO中ROS的有效性驗證 10 3 5 模型性能評估 第11章 非構造性不平衡學習——基於密度的採樣方法 11 1 問題描述 11 2 基於密度的不平衡過採樣方法(LDAS) 11 2 1 少數類局部密度信息挖掘 11 2 2 重疊數據的識別和清洗 11 2 3 少數類自適應加權過採樣 11 2 4 模型複雜度分析 11 2 5 模型分析與性能評估 11 3 基於密度的不平衡欠採樣方法(LDUS) 11 3 1 融合局部密度的改進度量方法 11 3 2 重疊或雜訊樣本的過濾 11 3 3 加權集成分類 11 3 4 模型複雜度分析 11 3 5 模型分析與性能評估 第12章 非構造性不平衡學習——演算法層面方法 12 1 相關理論與知識 12 1 1 KAOG和MKAOG構圖方法 12 1 2 基於引力的分類方法 12 2 自適應的不平衡k近鄰圖構建方法 12 2 1 IMKOG構建方法 12 3 基於拓撲結構信息的引力分類方法 12 3 1 基於IMKOG的引力分類演算法 12 4 IMKoG模型複雜度分析 12 5 模型分析與性能評估 12 5 1 自適應的不平衡足近鄰圖構建方法 12 5 2 基於IMKoG的引力分類演算法 12 5 3 幾種近鄰圖分類結果的可視化比較 第13章 不平衡學習研究挑戰與展望 13 1 不平衡數據的二分類 13 1 1 類結構分析 13 1 2 極端類不平衡 13 1 3 分類器輸出調整 13 1 4 集成學習 13 2 不平衡數據的多分類 13 2 1 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
