1绪论 1
1.1研究背景 1
1.2问题的提出 2
1.3基本概念 4
1.4本书的研究内容与方法 6
1.5本书的结构安排 8
1.6本书的特色与贡献 8
2文献综述 10
2.1几种线性规划分类模型 10
2.2多目标线性规划分类模型 13
2.3分类方法业绩改进的一般技术 17
2.4本章主要结论 29
3 MCLP的偏差和方差分析 30
3.1关于MCLP三个特性的一般理论 30
3.2期望预测误差的分解 31
3.3数据准备与实验安排 40
3.4实验结果与分析 42
3.5本章主要结论 54
4 MCLP在不平衡数据集上的业绩分析 56
4.1分类业绩评价标准及选择 57
4.2数据不平衡对分类方法业绩影响机制的一般结论 60
4.3数据不平衡对MCLP业绩影响机制的分析 61
4.4数据不平衡对MCLP业绩影响的实证分析 63
4.5最优类分布结论的稳定性分析 69
4.6本章主要结论 72
5组合分类器方法对MCLP的业绩改进分析 74
5.1 Bagging和Adaboost程序 75
5.2数据准备与实验安排 77
5.3两种基本组合方法对MCLP的业绩改进分析 80
5.4一种Smooth Boosting方法对MCLP的业绩改进分析 86
5.5一种Sequential Bagging方法对MCLP的业绩改进分析 90
5.6随机子空间方法对MCLP的业绩改进分析 93
5.7本章主要结论 95
6不平衡数据处理方法对MCLP的业绩改进分析 98
6.1MCLP分类中对不平衡数据的一般处理 98
6.2数据准备与实验安排 99
6.3基于MCLP分类结果的数据集特性分析 99
6.4随机上抽样和随机下抽样方法对MCLP的业绩改进分析 101
6.5一种改进的单边抽样方法对MCLP的业绩改进分析 103
6.6改进的单边抽样＋上抽样方法对MCLP的业绩改进分析 107
6.7一种正类加权的MCLP模型及其业绩改进分析 108
6.8不同方法在信用卡数据集上的业绩比较分析 109
6.9本章主要结论 109
7总结与展望 111
7.1主要研究结论 111
7.2需要进一步研究的问题 114
参考文献 116