RUSBoost算法在不平衡数据集上的应用
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-9页 |
| 1.1 研究背景及意义 | 第6页 |
| 1.2 不平衡数据分类问题的相关研究成果 | 第6-7页 |
| 1.3 财务困境预测的现有研究成果 | 第7-9页 |
| 2 不平衡数据分类常用的抽样技术 | 第9-14页 |
| 2.1 引言 | 第9页 |
| 2.2 欠采样 | 第9页 |
| 2.3 过采样 | 第9-13页 |
| 2.3.1 SMOTE算法 | 第10-11页 |
| 2.3.2 ROSE算法 | 第11-13页 |
| 2.4 混合采样 | 第13-14页 |
| 3 不平衡数据分类问题常用的算法和评估准则 | 第14-21页 |
| 3.1 代价敏感学习法 | 第14页 |
| 3.2 集成学习法-AdaBoost | 第14-17页 |
| 3.3 判别准则 | 第17-21页 |
| 3.3.1 混淆矩阵 | 第17-18页 |
| 3.3.2 灵敏度和特异度 | 第18页 |
| 3.3.3 精确度和召回率 | 第18-19页 |
| 3.3.4 F度量和G-mean | 第19页 |
| 3.3.5 ROC曲线和AUC | 第19-21页 |
| 4 RUSBoost模型 | 第21-25页 |
| 4.1 决策树 | 第21-23页 |
| 4.2 RUSBoost | 第23-25页 |
| 5 实例分析 | 第25-37页 |
| 5.1 数据介绍 | 第25-27页 |
| 5.2 数据处理 | 第27-28页 |
| 5.3 实证分析 | 第28-37页 |
| 结论 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 附录A 数据集2的运行结果 | 第40-44页 |
| 附录B 数据集3的运行结果 | 第44-48页 |
| 附录C 数据集4的运行结果 | 第48-52页 |
| 附录D 数据集5的运行结果 | 第52-56页 |
| 致谢 | 第56-58页 |
