基于加权的AUC方法评估优化

摘要	第1-5页
Abstract	第5-8页
第一章 绪论	第8-15页
·论文研究的背景	第8-11页
·论文研究的目的和意义	第11-13页
·论文研究的内容	第13-14页
·论文的组织结构安排	第14-15页
第二章 数据挖掘中的分类	第15-20页
·数据挖掘综述	第15-16页
·分类	第16页
·分类的定义	第16页
·分类的过程	第16页
·贝叶斯分类	第16-19页
·朴素贝叶斯分类NBC	第16-17页
·树扩展朴素贝叶斯分类器TANC	第17-18页
·贝叶斯网络分类器BNC	第18-19页
·本章小结	第19-20页
第三章 AUC 评估方法和属性相关性概述	第20-30页
·ROC 曲线和AUC 评估方法	第20-23页
·ROC 曲线分析	第20-22页
·AUC 评估方法	第22-23页
·ROC 曲线与AUC 的优越性质	第23页
·AUC 方法的扩展	第23-25页
·Provost 和 Domingos 的扩展	第23-24页
·基于代价敏感的AUC 分析方法	第24页
·基于一对多类的FAUC 方法	第24页
·M-AUC 方法	第24页
·基于纠错输出码的AAUC 评估方法	第24-25页
·属性相关性概述	第25-27页
·属性相关性定义	第25-26页
·属性相关性计算方法	第26-27页
·常用的权值计算公式	第27-29页
·本章小结	第29-30页
第四章 基于属性相关的AUC 评估方法	第30-33页
·AWI-AUC 方法权值设计思路	第30-31页
·AWI-AUC 评估算法的步骤	第31-32页
·本章小结	第32-33页
第五章 实验设计及结果分析	第33-38页
·MBNC 实验平台简介	第33页
·评估方法思路	第33-34页
·实验设计及结果	第34-37页
·实验设计	第34页
·实验结果及分析	第34-37页
·本章小结	第37-38页
第六章 总结与展望	第38-39页
参考文献	第39-43页
在学期间发表的论文及参与的科研项目	第43-44页
致谢	第44页