An Introduction to Conditional Random Fields
Bei modernen Anwendungen des maschinellen Lernens ist die Vorhersage einer einzigen Klassenbezeichnung oft nicht ausreichend. Stattdessen wollen wir eine große Anzahl von Variablen vorhersagen, die voneinander abhängen, z.
B. ein Klassenlabel für jedes Wort in einem Dokument oder für jede Region in einem Bild. Dieses strukturierte Vorhersageproblem ist wesentlich schwieriger als das einfache Klassifizierungsproblem, da wir lernen müssen, wie die verschiedenen Kennzeichnungen voneinander abhängen.
Bedingte Zufallsfelder bieten eine leistungsfähige Lösung für dieses Problem. Sie vereinen die Vorteile der Klassifizierung und der grafischen Modellierung, da sie die Fähigkeit grafischer Modelle, multivariate Daten kompakt zu modellieren, mit der Fähigkeit von Klassifizierungsmethoden verbinden, Vorhersagen unter Verwendung großer Mengen von Eingangsmerkmalen zu treffen.
In den letzten zehn Jahren hat das Interesse an CRFs explosionsartig zugenommen, mit so unterschiedlichen Anwendungen wie der Verarbeitung natürlicher Sprache, Computer Vision und Bioinformatik. An Introduction to Conditional Random Fields bietet ein umfassendes Tutorial, das sich an anwendungsorientierte Praktiker richtet, die CRFs anwenden wollen. Dieser Überblick setzt keine Vorkenntnisse im Bereich der grafischen Modellierung voraus und soll daher für Praktiker in einer Vielzahl von Bereichen von Nutzen sein.
Es werden die Konstruktion von Merkmalen, die Inferenz und die Parameterschätzung in CRFs diskutiert. Darüber hinaus enthält die Monographie auch Abschnitte über praktische "Tipps und Tricks" für CRFs, die in der veröffentlichten Literatur nur schwer zu finden sind.
| ISBN: | 9781601985729 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
