机器学习中的不平衡分类方法

书籍简介:

本书共12章，主要讲述不平衡分类学习的基本理论、特征选择与降维学习、模型评估与选择、重采样与代价敏感学习、贝叶斯分类器、决策树与随机森林、集成学习与强化学习等重要的不平衡分类学习方法，为不平衡分类问题提供了新的解决方法和思路，具有一定的理论研究和工程参考价值。本书适合计算机科学、信息科学、大数据科学等领域以及相关工程技术人员，对机器学习感兴趣的其他人员也能从中受益。

书籍规格:

书籍信息归属:

机器学习中的不平衡分类方法是同济大学出版社于2017.5出版的中图分类号为 TP181 的主题关于 机器学习－研究 的书籍。