书目信息 |
| 题名： |
非平衡数据分类理论与方法
|
|
| 作者： | 翟俊海 著 | |
| 分册： | ||
| 出版信息： | 北京 科学出版社 2024.04 |
|
| 页数： | 205页 | |
| 开本： | 24cm | |
| 丛书名： | 信息科学技术学术著作丛书 | |
| 单 册： | ||
| 中图分类： | TP274 | |
| 科图分类： | ||
| 主题词： | 数据处理--shu ju chu li | |
| 电子资源： | ||
| ISBN： | 978-7-03-077498-9 | |
| 000 | 01392nam 2200265 450 | |
| 001 | 2437838949 | |
| 010 | @a978-7-03-077498-9@dCNY120.00 | |
| 100 | @a20240518d2024 em y0chiy0120 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a非平衡数据分类理论与方法@Afei ping heng shu ju fen lei li lun yu fang fa@f翟俊海著 |
| 210 | @a北京@c科学出版社@d2024.04 | |
| 215 | @a205页@c图@d24cm | |
| 225 | 2 | @a信息科学技术学术著作丛书@Axin xi ke xue ji shu xue shu zhu zuo cong shu |
| 320 | @a有书目 (第194-205页) | |
| 330 | @a本书结合作者团队近年来关于非平衡数据分类的研究成果, 系统介绍非平衡数据分类的理论和方法。第1章介绍后续章节要用到的理论基础, 包括什么是数据分类, 以及解决分类问题的常用方法: K-近邻、决策树、神经网络、极限学习机、支持向量机和集成学习。第2章介绍模型评价, 包括: 介绍基本度量、介绍ROC曲线与AUC面积等。第3章介绍数据级方法, 包括对数据级方法进行了概述、介绍SMOTE算法等。第4章介绍算法级方法, 包括: 对算法级方法进行概述、介绍基于代价敏感性学习的非平衡数据分类方法、介绍基于深度学习的非平衡图像数据分类方法。第5章介绍集成学习方法, 包括: 对集成学习方法进行概述、介绍SMOTEBoost算法与SMOTEBagging算法等。 | |
| 410 | 0 | @12001 @a信息科学技术学术著作丛书 |
| 586 | @a | |
| 606 | 0 | @a数据处理@Ashu ju chu li |
| 690 | @aTP274@v5 | |
| 701 | 0 | @a翟俊海@Azhai jun hai@4著 |
| 801 | 0 | @aCN@c20240518 |
| 905 | @dTP274@eD046@f1@sTP274/D046@S@Z | |
| 非平衡数据分类理论与方法/翟俊海著.-北京：科学出版社，2024.04 |
| 205页：图；24cm.-(信息科学技术学术著作丛书) |
| ISBN 978-7-03-077498-9：CNY120.00 |
| 本书结合作者团队近年来关于非平衡数据分类的研究成果, 系统介绍非平衡数据分类的理论和方法。第1章介绍后续章节要用到的理论基础, 包括什么是数据分类, 以及解决分类问题的常用方法: K-近邻、决策树、神经网络、极限学习机、支持向量机和集成学习。第2章介绍模型评价, 包括: 介绍基本度量、介绍ROC曲线与AUC面积等。第3章介绍数据级方法, 包括对数据级方法进行了概述、介绍SMOTE算法等。第4章介绍算法级方法, 包括: 对算法级方法进行概述、介绍基于代价敏感性学习的非平衡数据分类方法、介绍基于深度学习的非平衡图像数据分类方法。第5章介绍集成学习方法, 包括: 对集成学习方法进行概述、介绍SMOTEBoost算法与SMOTEBagging算法等。 |
| ● |
| 相关链接 |
|
|
|
正题名：非平衡数据分类理论与方法
索取号：TP274/D046
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 21615477 | 216154774 | 自科库301/301自科库 42排2列1层/ [索取号:TP274/D046] | 在馆 |