非平衡数据分类理论与方法

　　在实际应用中，需要处理的数据常常具有类别不平衡的特点.例如，用于信用卡欺诈检测、垃圾邮件过滤、机械故障诊断、疾病诊断、极端天气预测预报等的数据都是类别非平衡数据.研究非平衡数据分类问题具有重要意义和实际应用价值，引起机器学习领域研究人员的广泛关注.本书结合作者团队在非平衡数据分类中的研究成果，系统介绍非平衡数据分类的理论基础、模型评价、数据级方法、算法级方法和集成学习方法.

暂缺《非平衡数据分类理论与方法》作者简介