首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

复合XGBoost模型在不均衡数据集分类预测上的应用

中文摘要第3-4页
英文摘要第4页
第一章 绪论第7-13页
    1.1 背景介绍第7-8页
    1.2 国内外研究现状第8-11页
        1.2.1 针对不均衡数据集的重采样算法研究第9-11页
        1.2.2 针对不均衡数据集的分类算法研究第11页
    1.3 研究内容和主要工作第11-12页
    1.4 论文结构安排第12-13页
第二章 集成学习算法介绍第13-19页
    2.1 Bagging算法和随机森林第13-14页
    2.2 AdaBoost算法第14-15页
    2.3 XGBoost算法第15-19页
        2.3.1 XGBoost模型函数形式及目标函数第15-16页
        2.3.2 additrivetraining方法第16-18页
        2.3.3 树的生成第18-19页
第三章 分类性能评价指标第19-23页
    3.1 召回率、精确率、Fβ值、G-mean第19-21页
    3.2 ROC曲线和AUC值第21-23页
第四章 复合XGBoost模型在用户商品偏好预测中的应用第23-36页
    4.1 背景介绍第23页
    4.2 数据集合第23-28页
        4.2.1 构建特征变量第23-24页
        4.2.2 数据获取第24页
        4.2.3 数据预处理第24-26页
        4.2.4 描述性统计分析第26-28页
    4.3 模型构建第28-32页
        4.3.1 复合逻辑斯蒂回归模型第29页
        4.3.2 集成学习模型第29-30页
        4.3.3 .复合XGBoost模型第30-32页
    4.4 分类器性能分析及模型选择第32-33页
    4.5 EasyEnsemble-XGB模型应用结果分析第33-36页
第五章 总结与展望第36-38页
    5.1 总结第36-37页
    5.2 展望第37-38页
参考文献第38-40页
致谢第40页

论文共40页,点击 下载论文
上一篇:基于混合优化模型预测PM2.5浓度
下一篇:智能电网邻域网入侵检测技术研究与实现