改进代价敏感的决策树学习方法研究 |
论文目录 | | 中文摘要 | 第1-6
页 | Abstract | 第6-11
页 | 第一章 引 言 | 第11-15
页 | · 机器学习概述 | 第11-12
页 | · 机器学习问题的标准描述及主要研究问题 | 第11
页 | · 基于代价敏感(Cost-Sensitive Learning, CSL)的分类技术 | 第11-12
页 | · 目前研究状况 | 第12-13
页 | · 本课题的选题意义及主要研究内容 | 第13-15
页 | · 选题目的及意义 | 第13
页 | · 本论文主要研究内容和贡献 | 第13-15
页 | 第二章 分类的相关概念及决策树算法 | 第15-21
页 | · 分类(Classification) | 第15-17
页 | · 分类的基本概念 | 第15-16
页 | · 分类的基本技术 | 第16-17
页 | · 决策树算法(Decision Tree Algorithms) | 第17-21
页 | · 决策树分类的基本思想 | 第17-18
页 | · 决策树学习算法介绍 | 第18
页 | · ID3/C4.5 算法 | 第18-20
页 | · 决策树学习算法总结 | 第20-21
页 | 第三章 代价敏感学习及相关问题 | 第21-28
页 | · 代价敏感度的学习(Cost-Sensitive Learning) | 第21-24
页 | · 代价敏感学习基本概念 | 第22-23
页 | · 目前的研究状况 | 第23-24
页 | · 资源约束学习(Budget Learning)与主动学习(Active Learning) | 第24-28
页 | · 资源约束问题及其应用背景 | 第24
页 | · 处理资源约束问题相关策略 | 第24-25
页 | · 主动学习的基本概念 | 第25-26
页 | · 传统的主动学习方法 | 第26-27
页 | · 扩展的主动学习方法 | 第27-28
页 | 第四章 资源约束下的代价敏感决策树学习 | 第28-51
页 | · 概述 | 第28-29
页 | · 主要思想 | 第29-32
页 | · 代价敏感学习与决策树算法相结合 | 第29-30
页 | · 主动学习与资源约束 | 第30
页 | · 基于代价敏感的决策树分类方法 | 第30-32
页 | · 基本概念 | 第32-36
页 | · 测试代价和误分类代价 | 第32-33
页 | · 二维代价尺度 | 第33-34
页 | · 结点类标号的判断标准 | 第34-35
页 | · FP 与 FN 的取值对分类结果的影响 | 第35-36
页 | · 专家的偏好 | 第36
页 | · 建立代价敏感的决策树实现方法 | 第36-44
页 | · 实现方法概述 | 第36-37
页 | · 主动学习方法选择空结点中的实例 | 第37-38
页 | · 选择分裂属性 | 第38-42
页 | · 用测试集进行测试 | 第42-44
页 | · 四种不同的实验结果比较 | 第44-50
页 | · 不同的空分支结点所占百分比对误分类代价的影响 | 第44-47
页 | · 有无空分支策略及不同的 Budget 对误分类代价的影响 | 第47-48
页 | · 经过空结点的实例的误分类代价的变化 | 第48-49
页 | · 不同分布的测试代价对实验结果的影响 | 第49-50
页 | · 小结 | 第50-51
页 | 第五章 代价敏感决策树学习方法的进一步优化 | 第51-58
页 | · 概述 | 第51
页 | · 通过组合以降低测试代价 | 第51-54
页 | · 具体策略 | 第54-55
页 | · 实验结果与分析 | 第55-57
页 | · 小 结 | 第57-58
页 | 第六章 总结与未来的工作 | 第58-60
页 | · 全文总结 | 第58-59
页 | · 未来工作 | 第59-60
页 | 参考文献 | 第60-64
页 | 读研期间发表的科研论文 | 第64-65
页 | 致 谢 | 第65页 |
|
|
|
| |