Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Conformal Prediction: A Gentle Introduction
Black-Box-Modelle des maschinellen Lernens werden heute routinemäßig in risikoreichen Bereichen wie der medizinischen Diagnostik eingesetzt, die eine Quantifizierung der Unsicherheit erfordern, um Modellausfälle zu vermeiden. Die konforme Vorhersage ist ein benutzerfreundliches Paradigma zur Erstellung statistisch strenger Unsicherheitssätze/Intervalle für die Vorhersagen solcher Modelle. Man kann die konforme Vorhersage mit einem beliebigen vortrainierten Modell, z. B. einem neuronalen Netz, verwenden, um Sätze zu erzeugen, die garantiert die Grundwahrheit mit einer vom Benutzer festgelegten Wahrscheinlichkeit, z. B. 90 %, enthalten. Das Verfahren ist leicht verständlich, einfach zu verwenden und lässt sich im Allgemeinen auf natürliche Weise auf Probleme anwenden, die unter anderem in den Bereichen Computer Vision, Verarbeitung natürlicher Sprache und Deep Reinforcement Learning auftreten.
In dieser praxisorientierten Einführung vermitteln die Autoren dem Leser ein grundlegendes Verständnis der konformen Vorhersage und verwandter verteilungsfreier Verfahren zur Quantifizierung der Unsicherheit. Sie führen den Leser durch die praktische Theorie und Beispiele der konformen Vorhersage und beschreiben ihre Erweiterungen auf komplexe Aufgaben des maschinellen Lernens, die strukturierte Ausgaben, Verteilungsänderungen, Zeitreihen, Ausreißer, Modelle, die sich enthalten, und mehr umfassen. Durchgehend gibt es viele erklärende Illustrationen, Beispiele und Codebeispiele in Python. Jedem Codebeispiel ist ein Jupyter-Notebook beigefügt, in dem die Methode anhand eines realen Datenbeispiels implementiert wird.
Dieses praxisnahe Tutorial mit vielen praktischen und leicht verständlichen Beispielen ist eine unverzichtbare Lektüre für alle Studenten, Praktiker und Forscher, die an allen Arten von Systemen arbeiten, die Techniken des maschinellen Lernens einsetzen.
| ISBN: | 9781638281580 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
