第1章 绪 论 1__eol__1.1 基本概念 1__eol__1.2 常用学习算法 3__eol__1.2.1 线性判别分析 3__eol__1.2.2 决策树 4__eol__1.2.3 神经网络 6__eol__1.2.4 朴素贝叶斯 8__eol__1.2.5 k-近邻 9__eol__1.2.6 支持向量机和核方法 9__eol__1.3 评估和对比 12__eol__1.4 集成学习方法 14__eol__1.5 集成学习方法的应用 16__eol__1.6 拓展阅读 19__eol____eol__第2章Boosting 21__eol__2.1 Boosting 过程 21__eol__2.2 AdaBoost 算法 22__eol__2.3 说明性举例 26__eol__2.4 理论探讨 29__eol__2.4.1 基本分析 29__eol__2.4.2 间隔解释 30__eol__2.4.3 统计视角 32__eol__2.5 多分类问题 35__eol__2.6 容噪能力 37__eol__2.7 拓展阅读 40__eol____eol__第3章Bagging 43__eol__3.1 两种集成范式 43__eol__3.2 Bagging 算法 44__eol__3.3 说明性举例 45__eol__3.4 理论探讨 48__eol__3.5 随机树集成 52__eol__3.5.1 随机森林 52__eol__3.5.2 随机化谱 55__eol__3.5.3 随机森林用于密度估计 56__eol__3.5.4 随机森林用于异常检测 58__eol__3.6 拓展阅读 60__eol____eol__第4章结合方法 61__eol__4.1 结合带来的益处 61__eol__4.2 均值法 62__eol__4.2.1 简单平均法 62__eol__4.2.2 加权平均法 63__eol__4.3 投票法 65__eol__4.3.1 绝对多数投票法 65__eol__4.3.2 相对多数投票法 66__eol__4.3.3 加权投票法 67__eol__4.3.4 软投票法 68__eol__4.3.5 理论探讨 70__eol__4.4 学习结合法 76__eol__4.4.1 Stacking 76__eol__4.4.2 无限集成 78__eol__4.5 其他结合方法 79__eol__4.5.1 代数法 80__eol__4.5.2 行为知识空间法 81__eol__4.5.3 决策模板法 81__eol__4.6 相关方法 82__eol__4.6.1 纠错输出编码法 82__eol__4.6.2 动态分类器选择法 85__eol__4.6.3 混合专家模型 86__eol__4.7 拓展阅读 87__eol____eol__第5章多样性 91__eol__5.1 集成多样性 91__eol__5.2 误差分解 92__eol__5.2.1 误差-分歧分解 92__eol__5.2.2 偏差-方差-协方差分解 94__eol__5.3 多样性度量 96__eol__5.3.1 成对度量 96__eol__5.3.2 非成对度量 97__eol__5.3.3 小结和可视化 100__eol__5.3.4 多样性度量的局限 101__eol__5.4 信息论多样性 102__eol__5.4.1 信息论和集成 102__eol__5.4.2 交互信息多样性 103__eol__5.4.3 多信息多样性 104__eol__5.4.4 估计方法 105__eol__5.5 多样性增强 106__eol__5.6 拓展阅读 108__eol____eol__第6章集成修剪 109__eol__6.1 何谓集成修剪 109__eol__6.2 多比全好 110__eol__6.3 修剪方法分类 113__eol__6.4 基于排序的修剪 114__eol__6.5 基于聚类的修剪 117__eol__6.6 基于优化的修剪 117__eol__6.6.1 启发式优化修剪 118__eol__6.6.2 数学规划修剪 118__eol__6.6.3 概率修剪 121__eol__6.7 拓展阅读 122__eol____eol__第7章聚类集成 125__eol__7.1 聚类 125__eol__7.1.1 聚类方法 125__eol__7.1.2 聚类评估 127__eol__7.1.3 为什么要做聚类集成 129__eol__7.2 聚类集成方法分类 130__eol__7.3 基于相似度的方法 132__eol__7.4 基于图的方法 133__eol__7.5 基于重标记的方法 136__eol__7.6 基于变换的方法 140__eol__7.7 拓展阅读 143__eol____eol__第8章进阶议题 145__eol__8.1 半监督学习 145__eol__8.1.1 未标记数据的效用 145__eol__8.1.2 半监督学习的集成学习方法 146__eol__8.2 主动学习 151__eol__8.2.1 人为介入的效用 151__eol__8.2.2 基于集成的主动学习 152__eol__8.3 代价敏感学习 153__eol__8.3.1 不均等代价下的学习 153__eol__8.3.2 代价敏感学习的集成方法 154__eol__8.4 类别不平衡学习 158__eol__8.4.1 类别不平衡 158__eol__8.4.2 类别不平衡学习的性能评估 160__eol__8.4.3 类别不平衡学习的集成方法 163__eol__8.5 提升可解释性 166__eol__8.5.1 集成约简 166__eol__8.5.2 规则抽取 167__eol__8.5.3 可视化 168__eol__8.6 未来的研究方向 169__eol__8.7 拓展阅读 171__eol__参考文献 173__eol__索引 203__eol__