Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Density Ratio Estimation in Machine Learning
Maschinelles Lernen ist ein interdisziplinäres Gebiet der Wissenschaft und Technik, das mathematische Theorien und praktische Anwendungen von lernenden Systemen untersucht. Dieses Buch stellt Theorien, Methoden und Anwendungen der Dichteverhältnisschätzung vor, die ein neu aufkommendes Paradigma in der Gemeinschaft des maschinellen Lernens ist.
Verschiedene Probleme des maschinellen Lernens, wie z. B. die Anpassung an Nicht-Stationarität, Ausreißererkennung, Dimensionalitätsreduktion, unabhängige Komponentenanalyse, Clustering, Klassifizierung und bedingte Dichteschätzung können systematisch durch die Schätzung von Wahrscheinlichkeitsdichteverhältnissen gelöst werden.
Die Autoren bieten eine umfassende Einführung in verschiedene Dichteverhältnisschätzer, einschließlich Methoden über Dichteschätzung, Momentenanpassung, probabilistische Klassifikation, Dichteanpassung und Dichteverhältnisanpassung, und beschreiben, wie diese auf maschinelles Lernen angewendet werden können. Das Buch bietet auch mathematische Theorien für die Dichteverhältnisschätzung, einschließlich parametrischer und nicht-parametrischer Konvergenzanalyse und numerischer Stabilitätsanalyse, um die erste und endgültige Behandlung des gesamten Rahmens der Dichteverhältnisschätzung beim maschinellen Lernen abzuschließen.
| ISBN: | 9780521190176 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2012 |
| Seitenzahl: | 342 |
Derzeit verfügbar, auf Lager.
