本书主要介绍了受构造性神经网络启发的一类构造性的不平衡学习理论及方法。对不平衡学习相关的概念以及构造性覆盖算法进行了简要介绍，在此基础上重点介绍了构造性不平衡学习的相关理论和方法。全书共13章，内容包括不平衡学习的相关理论和方法、构造性覆盖算法、基于构造性覆盖开展的多个视角的构造性不平衡学习的系列相关算法、非构造性不平衡学习的一些相关算法，对不平衡数据学习的研究挑战和未来研究方向。本书可作为高等院校和科研院所计算机、自动化等相关专业的研究生的阅读书籍，也可供对机器学习和数据挖掘相关领域感兴趣的研究人员及工程技术人员阅读参考。

前言
第1章不平衡学习概述
1.1引言
1.2不平衡学习的含义
1.2.1问题定义
1.2.2应用领域
1.3不平衡学习方法概述
1.3.1数据层面方法
1.3.2算法层面方法
1.4模型评估指标
1.4.1正确率
1.4.2查准率
1.4.3查全率
1.4.4F度量值
1.4.5几何平均度量值
1.4.6接受者操作特性曲线
1.4.7曲线下面积
第2章构造性覆盖算法
2.1构造性覆盖分类模型
2.1.1模型学习
2.1.2预测
2.2构造性覆盖集成分类模型
2.2.1模型不确定性分析
2.2.2基于投票的集成模型
2.2.3模型性能分析
第3章构造性SMOTE过采样方法
3.1问题描述
3.2三支决策模型
……