非平衡數據分類理論與方法 翟俊海 9787030774989 【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：科學
物品所在地：中國大陸
原出版社：科學
NT$763
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
| *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，以到貨標的為正確資訊。 印行年月：202404*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：非平衡數據分類理論與方法 ISBN：9787030774989 出版社：科學 著編譯者：翟俊海 叢書名：信息科學技術學術著作叢書 頁數：205 所在地：中國大陸 *此為代購商品 書號：1647383 可大量預訂，請先連絡。 內容簡介 在實際應用中，需要處理的數據常常具有類別不平衡的特點。例如，用於信用卡欺詐檢測、垃圾郵件過濾、機械故障診斷、疾病診斷、極端天氣預測預報等的數據都是類別非平衡數據，研究非平衡數據分類問題具有重要意義和實際應用價值，引起機器學習領域研究人員的廣泛關注。本書結合作者團隊在非平衡數據分類中的研究成果，系統介紹非平衡數據分類的理論基礎、模型評價、數據級方法、演算法級方法和集成學習方法。 本書可作為從事機器學習和數據挖掘研究的科研人員的參考書，也可供人工智慧、數據科學與技術、應用數學、計算機科學與技術等專業高年級本科生和研究生學習。目錄 「信息科學技術學術著作叢書」序前言 第1章 理論基礎 1 1 數據分類 1 2 K-近鄰 1 3 決策樹 1 3 1 離散值決策樹 1 3 2 連續值決策樹 1 4 神經網路 1 4 1 神經元模型 1 4 2 梯度下降演算法 1 4 3 多層感知器模型 1 4 4 卷積神經網路 1 5 極限學習機 1 6 支持向量機 1 6 1 線性可分支持向量機 1 6 2 近似線性可分支持向量機 1 6 3 線性不可分支持向量機 1 7 集成學習 1 7 1 集成學習簡介 1 7 2 Bagging演算法 1 7 3 Boosting演算法 1 7 4 隨機森林演算法 1 7 5 模糊積分集成演算法 第2章 模型評價 2 1 基本度量 2 2 ROC曲線與AUC面積 2 2 1 ROC曲線 2 2 2 AUC面積 2 3 損失函數 2 4 偏差與方差 2 5 多樣性度量 2 5 1 成對多樣性度量 2 5 2 非成對多樣性度量 2 5 3 分類器集成的多樣性和分類精度之間的關係 第3章 數據級方法 3 1 數據級方法概述 3 2 SMOTE演算法 3 3 B-SMOTE演算法 3 4 基於生成模型上採樣的兩類非平衡數據分類演算法 3 4 1 基於極限學習機自動編碼器的上採樣演算法 3 4 2 基於生成對抗網路的上採樣演算法 3 4 3 演算法實現及與其他演算法的比較 3 5 基於自適應聚類和模糊數據約簡下採樣的兩類非平衡大數據分類演算法 3 5 1 大數據概述 3 5 2 大數據處理系統 3 5 3 聚類分析 3 5 4 兩類非平衡大數據分類演算法 3 5 5 演算法實現及與其他演算法的比較 第4章 演算法級方法 4 1 演算法級方法概述 4 2 基於代價敏感性學習的非平衡數據分類方法 4 2 1 代價敏感性學習基礎 4 2 2 代價敏感性支持向量機 4 2 3 代價敏感Boosting演算法 4 3 基於深度學習的非平衡圖像數據分類方法 4 3 1 針對非平衡圖像數據的深度表示學習 4 3 2 針對長尾識別的目標監督對比學習 4 3 3 針對長尾識別的深度嵌入和數據增廣學習方法 第5章 集成學習方法 5 1 集成學習方法概述 5 2 SMOTEBoost演算法與SMOTEBagging演算法 5 3 基於改進D2GAN上採樣和分類器融合的兩類非平衡數據分類 5 3 1 基於改進D2GAN的上採樣方法 5 3 2 基於改進D2GAN上採樣和分類器融合的兩類非平衡數據分類 5 3 3 演算法實現及與其他演算法的比較 5 4 基於MapReduce和極限學習機集成的兩類非平衡大數據分類 5 4 1 交替上採樣方法 5 4 2 基於交替上採樣和集成學習的兩類非平衡大數據分類 5 4 3 演算法實現及與其他演算法的比較 5 5 基於異類最近鄰超球上採樣和集成學習的兩類非平衡大數據分類 5 5 1 基於MapReduce和異類最近鄰超球的上採樣 5 5 2 基於異類最近鄰超球上采祥和模糊積分集成的兩類非平衡大數據分類 5 5 3 演算法實現及與其他演算法的比較 參考文獻 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。 |
