一种新的不平衡数据处理方法在股票分类中的应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 不平衡数据处理方法研究现状 | 第10-11页 |
| 1.2.2 特征选择方法研究现状 | 第11-12页 |
| 1.3 创新点 | 第12-13页 |
| 1.4 论文安排 | 第13-14页 |
| 2 不平衡数据分类的基本理论 | 第14-28页 |
| 2.1 不平衡数据的处理方法 | 第14-19页 |
| 2.1.1 过抽样方法 | 第14-16页 |
| 2.1.2 欠抽样方法 | 第16-17页 |
| 2.1.3 分类性能评估准则 | 第17-19页 |
| 2.2 特征选择 | 第19-23页 |
| 2.2.1 过滤式特征选择 | 第20-22页 |
| 2.2.2 封装式特征选择 | 第22页 |
| 2.2.3 嵌入式特征选择 | 第22-23页 |
| 2.2.4 特征搜索策略 | 第23页 |
| 2.3 分类器支持向量机简介 | 第23-28页 |
| 2.3.1 支持向量机 | 第23-26页 |
| 2.3.2 集成学习 | 第26-28页 |
| 3 一种新的不平衡数据的特征选择方法 | 第28-32页 |
| 3.1 一种新的不平衡数据处理方法BASMOTE | 第28-29页 |
| 3.2 一种新的特征选择方法HPMG | 第29-32页 |
| 4 股票分类模型建立及其实证研究 | 第32-41页 |
| 4.1 数据准备 | 第32页 |
| 4.2 模型构建 | 第32-33页 |
| 4.3 结果分析与对比 | 第33-41页 |
| 5 结论与展望 | 第41-43页 |
| 参考文献 | 第43-45页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第45-47页 |
| 学位论文数据集 | 第47页 |
