本书针对机器学习中的热点问题之一类不平衡学习问题, 分别从其基础理论、核心算法、预判策略三方面进行了详细介绍。在其基础理论部分, 本书分别以朴素贝叶斯、支持向量机及极限学习机三种分类器为例介绍了样本不平衡分布对分类性能的影响机理, 并对各种影响因素进行了广泛探讨。

    本书可作为高等院校与研究院所计算机、自动化及相关专业研究生的课外阅读书籍, 也可供对机器学习及数据感兴趣的研究人员和工程技术人员阅读参考