類別不平衡學習是機器學習與數據挖掘領域的重要分支之一，其在很多應用領域中均發揮著重要作用。本書首先系統地介紹了與類別不平衡學習相關的一些基礎概念及理論（第1、2章），進而在上述理論的基礎上，討論了一些主流的類別不平衡學習技術及對應算法，具體包括樣本採樣技術（第3章）、代價敏感學習技術（第4章）、決策輸出補償技術（第5章）、集成學習技術（第6章）、主動學習技術（第7章）及一類分類技術（第8章）等。此外，也探討了樣本不平衡分佈的危害預評估技術（第9章）。最後，對該領域未來的發展方向及應用前景做出了評述與展望（第10章）。
本書可作為高等院校與研究院所計算機、自動化及相關專業研究生的課外閱讀書籍，也可供對機器學習及數據挖掘感興趣的研究人員和工程技術人員閱讀參考。