Статистические системы обучения

⭐⭐⭐⭐⭐

✅ Автор: Koronacki jacek, ćwik Jan

✅ Язык: польский

✅ Publisher: exit

✅ Формат: 16.0x24.0cm

✅ Год: 2021

✅ isbn: 9788360434567

✅ ean: 9788360434567

✅ Код: 24375205083k az5%

✅ код: 24375205083k az5%

✅ код: 24375205083k az5%

✅ код: 24375205083k az5%

✅ код: 24375205083k az5%

✅.

Системы обучения - это алгоритмические методы обучения, основанные на данных. Невероятное увеличение вычислительной мощности компьютеров и их память создала возможности для сбора огромных объемов информации и их обработки. Системы обучения сегодня являются основой для исследования данных SO, или интеллектуального анализа данных, то есть для использования обычно используемого английского языка термина -анализа, называемых интеллектуальными данными. Содержимое Предисловие к первому выпуску Предисловие ко второму выпуску 1. Линейные методы классификации 1.1. Классификация под надзором - Введение 1.2. Fisherów Линейная дискриминация 1.3. Дискриминация на основе регрессии веревки и логистики 1.4. PERCEPTRON ROSENBLATTA 2. Методы классификации на основе распределений вероятностей 2.1. Байесовский классификатор и величайший метод доверия 2.2. Оптимальность байесовского правления 2.3. Практическое строительство классификаторов 3. Методы классификации на основе непараметрической оценки 3.1. Введение 3.2. Непараметрическая оценка распределения в классах 3.3. Метод ближайших соседей 4. Классификационные деревья и семьи классификаторов 4.1. Введение 4.2. Правила подразделения 4.3. Правила обрезки деревьев 4.4. Классификационные деревья - комментарии 4.5. Семьи классификаторов - алгоритмы пакета и повышение 4.6 Семьи классификатора - случайные леса 5. Регрессионный анализ 5.1. Глобальные параметрические модели 5.2. Непараметрическая регрессия 5.3. Случайные эффекты и линейные смешанные модели 5.4. Последние комментарии 6. Оборудование линейных методов 6.1. Гибкая дискриминация 6.2. Поддержка векторных машин 7. Системное обучение под наблюдением - резюме, дополнительные комментарии 7.1. Краткое содержание 7.2 Дополнительные комментарии 8. Методы проекции, обнаружение скрытых переменных 8.1. Системное обучение без надзора - введение 8.2. Основной анализ 8.3. Оценка плотности по интересным броскам 8.4. Факторный анализ и анализ независимого сбора 8.5. Сходство, разница и расстояние между объектами 8.6. Многомерное масштабирование 8.7. Гиммерные методы в системах обучения 9. Анализ покупки 9.1. Комбинаторные методы 9.2. Иерархические методы - дендрограммы 9.3. Другие классические методы 9.4. Три неклассических подхода к анализу фокусировки Цитируемые книги Индекс