基于随机森林的不平衡数据分类方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外相关研究工作综述 | 第11-17页 |
| 1.2.1 不平衡分类问题的国内外研究现状 | 第12-15页 |
| 1.2.2 随机森林的国内外研究现状 | 第15-16页 |
| 1.2.3 研究问题的总结与分析 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 论文相关基础知识 | 第19-26页 |
| 2.1 数据平衡化方法 | 第19-20页 |
| 2.1.1 欠采样方法 | 第19-20页 |
| 2.1.2 过采样方法 | 第20页 |
| 2.2 代价敏感方法 | 第20-21页 |
| 2.3 随机森林算法 | 第21-24页 |
| 2.3.1 随机森林的子空间选择 | 第23页 |
| 2.3.2 随机森林的模型选择 | 第23-24页 |
| 2.3.3 模型要点讨论 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 面向不平衡数据的随机森林子空间选择 | 第26-33页 |
| 3.1 特征相关性度量 | 第26-27页 |
| 3.2 基于相关性的特征选择 | 第27-28页 |
| 3.3 类别不平衡条件下的子空间选择方法 | 第28-32页 |
| 3.3.1 基于 Bagging 的集成特征选择 | 第28-31页 |
| 3.3.2 基于分层抽样的子空间选择算法 | 第31-32页 |
| 3.3.3 子空间选择方案总结 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 面向不平衡数据的随机森林模型集成 | 第33-38页 |
| 4.1 模型融合的基本原则 | 第33-34页 |
| 4.2 类别不平衡条件下的模型集成方案 | 第34-37页 |
| 4.2.1 树模型分类强度度量 | 第34-35页 |
| 4.2.2 树模型相似性度量 | 第35-36页 |
| 4.2.3 树模型的选取策略 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第5章 实验结果与分析 | 第38-57页 |
| 5.1 不平衡数据分类的性能评价指标 | 第38-40页 |
| 5.1.1 分类准确度 | 第38-39页 |
| 5.1.2 ROC 曲线(AUC 面积) | 第39页 |
| 5.1.3 Kappa 系数 | 第39-40页 |
| 5.1.4 F1-Measure | 第40页 |
| 5.2 不平衡实验数据集的来源与说明 | 第40-41页 |
| 5.3 实验系统的架构设计与搭建 | 第41-45页 |
| 5.4 子空间选择方案的实验结果 | 第45-50页 |
| 5.4.1 实验结果 | 第45-50页 |
| 5.4.2 实验结果分析 | 第50页 |
| 5.5 模型集成方案的实验结果 | 第50-56页 |
| 5.5.1 实验结果 | 第51-55页 |
| 5.5.2 实验结果分析 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
