内容简介
类别不平衡数据集分类是机器学习和模式识别中的一个热点研究问题。类别不平衡数据集存在于许多实际工程领域,如有色冶金过程的故障检测和网络入侵检测等。现有的分类算法大多以误分率最小化为目标,并假设训练数据集类别是平衡的和误分 类代价是相等的。当用这些分类算法处理类别不平衡数据集分类问题时,容易对多数类过学习和对少数类欠学习,从而导致分类器性能下降。
类别不平衡数据集分类方法及应用是2017年由南京大学出版社出版,作者著。
得书感谢您对《类别不平衡数据集分类方法及应用》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。