| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究目的及意义 | 第7-9页 |
| 1.3 研究内容 | 第9-10页 |
| 2 国内外综述 | 第10-14页 |
| 2.1 国内外研究现状和发展趋势 | 第10-13页 |
| 2.2 本文创新之处 | 第13-14页 |
| 3 相关机器学习方法 | 第14-17页 |
| 3.1 随机森林 | 第14页 |
| 3.2 支持向量机 | 第14-16页 |
| 3.3 神经网络 | 第16-17页 |
| 4 方法及模型介绍 | 第17-23页 |
| 4.1 Logistic算法层面 | 第17-19页 |
| 4.2 数据采样层面 | 第19-20页 |
| 4.3 不平衡数据的评价指标 | 第20-22页 |
| 4.4 k-means聚类思想 | 第22-23页 |
| 5 实证分析 | 第23-35页 |
| 5.1 数据认识 | 第23-26页 |
| 5.2 未平衡化处理的预测分析 | 第26-27页 |
| 5.3 Logistic算法层面预测分析 | 第27-30页 |
| 5.4 数据采样层面预测分析 | 第30-35页 |
| 6 总结 | 第35-37页 |
| 6.1 结论 | 第35-36页 |
| 6.2 本文不足之处 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 致谢 | 第39-40页 |
| 附录 | 第40-45页 |