學習筆記，僅供參考，有錯必糾

參考自：《機器學習中的不平衡分類方法》-- 康琦，吳啟迪

---

文章目錄

• • 緒論
  • • 概述
    • 分類問題概述
    • 不平衡分類問題概述
    • 研究現狀

---

緒論

概述

數據挖掘(Data Mining)是從大量無結構化的、處于不規則狀態的數據中搜索隱藏于其中的存在某種關聯信息的過程。機器學習(Machine Learning)是當前最為流行和有效的進行數據挖掘的人工智能方法。

其中分類(Classification)是監督學習的一個核心問題，即對帶有類別標記的訓練樣本數據進行訓練，從待測數據特征尋找到類別標記間的某種線性或非線性的規律和聯系，然后根據向量特征相似的原則，把數據集中的測試樣本歸結到已知特征的訓練樣本類中。

從機器學習的角度上歸納，分類學習的具體過程包含訓練學習和分類驗證兩個階段：

• 在訓練學習階段，根據訓練樣本建立一個模型，即分類

總結

以上是生活随笔為你收集整理的机器学习中的不平衡分类方法(part1)--绪论的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。