基于模型融合的平台虚假用户识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景和意义 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.4 论文的主要工作 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 基于机器学习的虚假用户识别理论分析 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 问题描述 | 第16-17页 |
| 2.2.1 相关定义 | 第16页 |
| 2.2.2 用户类型识别分类流程 | 第16-17页 |
| 2.3 机器学习算法 | 第17-27页 |
| 2.3.1 无监督学习算法 | 第17-19页 |
| 2.3.2 有监督学习算法 | 第19-27页 |
| 2.4 识别算法评估标准 | 第27-30页 |
| 2.4.1 混淆矩阵 | 第27-28页 |
| 2.4.2 评估方法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 模型融合的虚假用户识别特征选择研究 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 数据宽表设计以及数据预处理 | 第31-32页 |
| 3.3 特征选择 | 第32-34页 |
| 3.4 特征重要性排分 | 第34-40页 |
| 3.5 基本机器学习算法实验 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 集成学习的模型融合 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 集成学习原理 | 第44-47页 |
| 4.3 集成学习模型的模型融合设计 | 第47-52页 |
| 4.3.1 Adaboost算法原理 | 第48-49页 |
| 4.3.2 提升树原理 | 第49-51页 |
| 4.3.3 随机森林算法原理 | 第51-52页 |
| 4.4 实验结果 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的学术成果 | 第63-65页 |
| 致谢 | 第65页 |
