面向高维和不平衡数据分类的集成学习研究论文研读笔记

高维不平衡数据的特征（属性）较多，类标号中的类别分布不均匀的数据。  高维数据分类难本质问题： 1.密度估计难问题; 2.维数灾难：特征数增加意味着分类所需的样本数量的增加; 3.Hughes问题：给出了一个广义上的数据测量复杂度，训练样本数量和分类精度三者间的关系即对有限样本而言，存在一个最优的数据复杂度，可使分类精度达到最优。若数据特征数很多，量过精度过高，都会导致分类精度下降。 分类中的数据

>>阅读原文<<