非平衡数据分类理论与方法
读者对象:本书可作为从事机器学习和数据挖掘研究科研人员的参考书,也可供人工智能、数据科学与技术、应用数学、计算机科学与技术等专业高年级本科生和研究生学习
在实际应用中,需要处理的数据常常具有类别不平衡的特点。例如,用于信用卡欺诈检测、垃圾邮件过滤、机械故障诊断、疾病诊断、极端天气预测预报等的数据都是类别非平衡数据。研究非平衡数据分类问题具有重要意义和实际应用价值,引起机器学习领域研究人员的广泛关注。本书结合作者团队在非平衡数据分类中的研究成果,系统介绍非平衡数据分类的理论基础、模型评价、数据级方法、算法级方法和集成学习方法。