Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach
Grundlegende Theorie und praktische Algorithmen der schwach überwachten Klassifizierung mit Schwerpunkt auf einem auf empirischer Risikominimierung basierenden Ansatz.
Die Standardtechniken des maschinellen Lernens erfordern große Mengen an gekennzeichneten Daten, um gut zu funktionieren. Bei der Anwendung des maschinellen Lernens auf Probleme in der physischen Welt ist es jedoch äußerst schwierig, solche Mengen an markierten Daten zu sammeln. In diesem Buch werden Theorie und Algorithmen für schwach überwachtes Lernen vorgestellt, ein Paradigma des maschinellen Lernens aus schwach markierten Daten. Mit dem Schwerpunkt auf einem Ansatz, der auf empirischer Risikominimierung basiert und sich auf den neuesten Stand der Forschung im Bereich des schwach überwachten Lernens stützt, bietet das Buch sowohl die Grundlagen des Fachgebiets als auch die ihnen zugrunde liegenden fortgeschrittenen mathematischen Theorien. Es kann als Nachschlagewerk für Praktiker und Forscher sowie für den Unterricht verwendet werden.
Das Buch formuliert zunächst mathematisch Klassifizierungsprobleme, definiert gängige Notationen und gibt einen Überblick über verschiedene Algorithmen für überwachte binäre und Mehrklassen-Klassifizierung. Anschließend werden Probleme der binären, schwach überwachten Klassifikation untersucht, einschließlich der positiv-unbeschrifteten (PU) Klassifikation, der positiv-negativ-unbeschrifteten (PNU) Klassifikation und der unbeschrifteten-unbeschrifteten (UU) Klassifikation. Anschließend wird auf die Mehrklassenklassifizierung eingegangen, wobei die Klassifizierung mit komplementären Etiketten (CL) und die Klassifizierung mit partiellen Etiketten (PL) behandelt werden. Schließlich befasst sich das Buch mit fortgeschritteneren Themen, einschließlich einer Familie von Korrekturmethoden zur Verbesserung der Generalisierungsleistung des schwach überwachten Lernens und dem Problem der Klassenvorrangschätzung.
| ISBN: | 9780262047074 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 320 |
Derzeit verfügbar, auf Lager.
