本文件记录当前精选分支涉及的第三方材料及其权利边界。11 份论文 PDF 已从当前树删除，但仍存在于本仓库的既有 Git 历史中；当前文档只提供书目、DOI、出版社、会议或作者机构的官方入口。
根目录 MIT 许可证只适用于 Ma Xiao 拥有权利的项目内容。第三方论文、依赖代码和来源尚未确认的历史实现不因曾出现在仓库中而转为 MIT。
- 当前精选分支不含下列 11 份 PDF 二进制；既有 Git 历史未被重写。
- 出版社页面、作者主页或公开下载入口能够访问，不等于作者或出版方授予本仓库再次分发文件的许可。
- 未核实到明确、适用于本仓库再分发的许可证，因此 11 份文件统一按“书目保留、当前树排除”处理。
- 原始二进制另由本地只读原仓快照承担溯源保存；该设备路径不构成公开项目依赖。
- 删除前逐份核对的文件大小与 SHA-256 证据见第三方论文二进制移除审计。
- 运行依赖仍分别受其上游许可证约束；本台账不替代发布前的依赖许可证清单。
Git 历史中的 legacy/cost-sensitive-learning/AdaCost.py、legacy/ensemble-methods/AdaCost/adacost.py 与同目录 notebook 明确参考了旧版 scikit-learn weight_boosting.py 的内部实现。当前尚未完成逐行来源和许可证声明复核，因此它们属于 Q（Quarantine/unclear），不纳入根 MIT 许可证，并通过独立变更从目标当前树排除。现代 src/class_imbalance/experimental/adacost.py 只提供独立、可测试的 beta 公式接口；两者的关系和限制见 docs/history/provenance.md。
原仓包含 41 张 JPG。逐图审计识别出 23 张论文、赛事规则或第三方产品文档截图，另有 2 张来源不明；其余 16 张虽有自制迹象，但现有元数据不足以独立确认作者身份与公开再许可权。为避免根 MIT 产生过度许可，41 张图片均从当前精选树排除，原始字节只在既有 Git 历史和只读原仓快照中保留。
现代中英文理论页使用文字、LaTeX 与本文件的官方书目入口表达必要内容，不依赖这些图片。逐图分类与恢复门槛见历史图片移除审计。
- Git 历史路径：
Papers/1. The Foundations of Cost-Sensitive Learning.pdf - 书目：Charles Elkan. “The Foundations of Cost-Sensitive Learning.” Proceedings of the Seventeenth International Joint Conference on Artificial Intelligence (IJCAI-01), 2001, pp. 973-978.
- 权威入口：IJCAI-01 官方 Machine Learning and Data Mining 卷；IJCAI-01 官方论文索引。
- 权利结论：未核实到适用于本仓库再分发的明确许可；仅保留书目与官方链接。
- Git 历史路径：
Papers/2. Cost-Sensitive Learning and the Class Imbalance Problem.pdf - 版本说明：本地文件是题为 “Cost-Sensitive Learning and the Class Imbalance Problem” 的预出版稿；正式百科条目以较短题名 “Cost-Sensitive Learning” 出版。
- 书目：Charles X. Ling and Victor S. Sheng. “Cost-Sensitive Learning.” In Encyclopedia of Machine Learning, Springer US, 2010, pp. 231-235. DOI: 10.1007/978-0-387-30164-8_181.
- 权威入口：作者在 Western University 的预出版稿；Springer DOI。
- 权利结论：作者副本可访问不构成本仓库再分发许可；仅保留书目与官方链接。
- Git 历史路径：
Papers/3. Exploiting the Cost (In)sensitivity of Decision Tree Splitting Criteria (Drummond2000).pdf - 版本说明：文件首页注明将发表于 ICML 2000，文件元数据和版权页同时表明该副本来自 AAAI Technical Report WS-00-05。
- 书目：Chris Drummond and Robert C. Holte. “Exploiting the Cost (In)sensitivity of Decision Tree Splitting Criteria.” Proceedings of the Seventeenth International Conference on Machine Learning, 2000, pp. 239-246.
- 权威入口：AAAI Technical Report WS-00-05 官方副本。
- 权利结论：官方副本标注 AAAI copyright and all rights reserved；不得随本仓库再分发。
- Git 历史路径：
Papers/4. Cost-Sensitive Learning vs. Sampling.pdf - 书目：Gary M. Weiss, Kate McCarthy, and Bibi Zabar. “Cost-Sensitive Learning vs. Sampling: Which is Best for Handling Unbalanced Classes with Unequal Error Costs?” Proceedings of the 2007 International Conference on Data Mining (DMIN 2007), 2007, pp. 35-41.
- 权威入口：作者在 Fordham University 的论文副本；作者官方出版物索引。
- 权利结论：未核实到适用于本仓库再分发的明确许可；仅保留书目与官方链接。
5. Analysis and Visualization of Classifier Performance with Nonuniform Class and Cost Distributions
- Git 历史路径：
Papers/5. Analysis and Visualization of Classifier Performance_ Comparison under Imprecise Class and Cost Distributions.pdf - 版本说明：历史文件名使用 “Comparison under Imprecise Class and Cost Distributions”，但本地 PDF 首页与元数据的实际题名是 “Analysis and Visualization of Classifier Performance with Nonuniform Class and Cost Distributions”。本台账按文件内部题名登记。
- 书目：Foster Provost and Tom Fawcett. “Analysis and Visualization of Classifier Performance with Nonuniform Class and Cost Distributions.” AI Approaches to Fraud Detection and Risk Management, AAAI Technical Report WS-97-07, 1997, pp. 57-63.
- 权威入口：AAAI 官方论文副本。
- 权利结论：官方副本标注 AAAI copyright and all rights reserved；不得随本仓库再分发。
- Git 历史路径：
legacy/ensemble-methods/Exploratory Undersampling for Class-Imbalance Learning.pdf - 书目：Xu-Ying Liu, Jianxin Wu, and Zhi-Hua Zhou. “Exploratory Undersampling for Class-Imbalance Learning.” IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics) 39(2), 2009, pp. 539-550. DOI: 10.1109/TSMCB.2008.2007853.
- 权威入口：IEEE Xplore。
- 权利结论：IEEE 出版物；未核实到适用于本仓库再分发的许可，仅保留书目与 DOI。
- Git 历史路径：
legacy/sampling/Papers/ADASYN：Adaptive Synthetic Sampling Approach for Imbalanced Learning.pdf - 书目：Haibo He, Yang Bai, Edwardo A. Garcia, and Shutao Li. “ADASYN: Adaptive Synthetic Sampling Approach for Imbalanced Learning.” 2008 IEEE International Joint Conference on Neural Networks, 2008, pp. 1322-1328. DOI: 10.1109/IJCNN.2008.4633969.
- 权威入口：IEEE Xplore。
- 权利结论：IEEE 出版物；未核实到适用于本仓库再分发的许可，仅保留书目与 DOI。
- Git 历史路径：
legacy/sampling/Papers/Applying Support Vector Machines to Imbalanced Datasets.pdf - 书目：Rehan Akbani, Stephen Kwek, and Nathalie Japkowicz. “Applying Support Vector Machines to Imbalanced Datasets.” In Machine Learning: ECML 2004, LNCS 3201, Springer, 2004, pp. 39-50. DOI: 10.1007/978-3-540-30115-8_7.
- 权威入口：Springer Nature Link。
- 权利结论：Springer 出版物；未核实到适用于本仓库再分发的许可，仅保留书目与 DOI。
- Git 历史路径：
legacy/sampling/Papers/Borderline Over-sampling for Imbalanced Data Classification.pdf - 书目：Hien M. Nguyen, Eric W. Cooper, and Katsuari Kamei. “Borderline Over-sampling for Imbalanced Data Classification.” Proceedings of the Fifth International Workshop on Computational Intelligence and Applications (IWCIA 2009), IEEE SMC Hiroshima Chapter, 2009, pp. 24-29.
- 权威入口：Ritsumeikan University 作者团队出版物目录。
- 版本说明：作者随后发表了同题扩展期刊版本，DOI 10.1504/IJKESDP.2011.039875；该 DOI 不是本地 2009 会议 PDF 的再分发许可。
- 权利结论：未核实到 2009 会议 PDF 可随仓库再分发的明确许可；仅保留书目与官方目录。
- Git 历史路径：
legacy/sampling/Papers/Borderline-SMOTE A New Over-Sampling Method in Imbalanced Data Sets Learning.pdf - 书目：Hui Han, Wen-Yuan Wang, and Bing-Huan Mao. “Borderline-SMOTE: A New Over-Sampling Method in Imbalanced Data Sets Learning.” In Advances in Intelligent Computing, LNCS 3644, Springer, 2005, pp. 878-887. DOI: 10.1007/11538059_91.
- 权威入口：Springer Nature Link。
- 权利结论：Springer 出版物；未核实到适用于本仓库再分发的许可，仅保留书目与 DOI。
- Git 历史路径：
legacy/sampling/Papers/SMOTE：Synthetic Minority Over-sampling Technique.pdf - 书目：Nitesh V. Chawla, Kevin W. Bowyer, Lawrence O. Hall, and W. Philip Kegelmeyer. “SMOTE: Synthetic Minority Over-sampling Technique.” Journal of Artificial Intelligence Research 16, 2002, pp. 321-357. DOI: 10.1613/jair.953.
- 权威入口：JAIR 官方文章页。
- 权利结论：官方文章页提供访问不等于授予本仓库重新托管该历史 PDF 的许可；仅保留书目与 DOI。
在公开发布或推送前，应至少确认：
git ls-files "*.pdf"在当前精选分支中没有输出。git ls-files "*.jpg" "*.jpeg" "*.png" "*.gif" "*.bmp"在当前精选分支中没有输出。- 现代 README 与现代文档只使用本页列出的官方入口；
H类逐字历史原件可以保留原链接，但不得作为当前下载入口。 - 发布说明明确：MIT 只覆盖项目自有材料。
- 如果未来获得某篇论文或图片的明确再分发许可，应保存许可依据，并逐文件更新本台账；不得用“一个文件可分发”推导其余文件也可分发。