基于代价敏感贝叶斯分类的互联网广告客户风险预测
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文的主要研究内容 | 第9-11页 |
| 1.3.1 本文的基本结构 | 第9-10页 |
| 1.3.2 创新点 | 第10-11页 |
| 第二章 分类模型的理论知识 | 第11-17页 |
| 2.1 概率统计基础知识 | 第11-12页 |
| 2.2 logistic回归模型 | 第12-13页 |
| 2.3 朴素贝叶斯模型 | 第13-14页 |
| 2.4 无量纲化 | 第14-15页 |
| 2.4.1 极差正规化 | 第14-15页 |
| 2.4.2 标准化法 | 第15页 |
| 2.4.3 累积占比法 | 第15页 |
| 2.5 M估计 | 第15-17页 |
| 第三章 数据获取与数据预处理 | 第17-22页 |
| 3.1 评级指标选取 | 第17页 |
| 3.2 实验数据抽样 | 第17-19页 |
| 3.2.1 常见的抽样方法 | 第17-18页 |
| 3.2.2 抽样方案的设计 | 第18-19页 |
| 3.3 数据离散化 | 第19-22页 |
| 第四章 建立代价敏感贝叶斯模型 | 第22-32页 |
| 4.1 logistic回归模型 | 第22-24页 |
| 4.2 朴素贝叶斯模型 | 第24-26页 |
| 4.3 两模型判断结果的比较 | 第26-27页 |
| 4.4 基于代价敏感的朴素贝叶斯模型 | 第27-30页 |
| 4.5 结论 | 第30-32页 |
| 第五章 总结与展望 | 第32-33页 |
| 参考文献 | 第33-36页 |
| 致谢 | 第36页 |
