СИСТЕМЫ СТАТИСТИЧЕСКОГО ОБУЧЕНИЯ

КОРОНАЦКИ ЯЦЕК, ЧВИК ЯН

• Издательство: EXIT
• Год издания: 2021
• Переплет: ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
• Количество страниц: 328
• EAN: 9788360434567

Системы обучения – это алгоритмические методы обучения на основе данных. Невероятный рост вычислительной мощности компьютеров и объема их памяти создал возможность как собирать огромные объемы информации, так и обрабатывать ее. Сегодня системы обучения составляют основу так называемого интеллектуальный анализ данных, или интеллектуальный анализ данных, или, если использовать широко используемый английский термин, анализ, называемый интеллектуальным анализом данных. СОДЕРЖАНИЕ Предисловие к первому изданию Предисловие ко второму изданию 1. Методы линейной классификации. 1.1. Классификация под наблюдением – введение 1.2. Линейная дискриминация Фишера 1.3. Дискриминация на основе линейной и логистической регрессии 1.4. Перцептрон Розенблатта 2. Методы классификации, основанные на распределениях вероятностей. 2.1. Байесовский классификатор и метод максимального правдоподобия 2.2. Оптимальность байесовского правила 2.3. Практичная конструкция классификаторов 3. Методы классификации, основанные на непараметрическом оценивании. 3.1. Введение 3.2. Непараметрическая оценка распределений классов 3.3. Метод ближайших соседей 4. Деревья классификации и семейства классификаторов. 4.1. Введение 4.2. Правила дивизиона 4.3. Правила обрезки деревьев 4.4. Деревья классификации – примечания 4.5. Семейства классификаторов — алгоритмы упаковки и повышения 4.6. Семейства классификаторов — случайные леса 5. Регрессионный анализ 5.1. Глобальные параметрические модели 5.2. Непараметрическая регрессия 5.3. Случайные эффекты и линейные смешанные модели 5.4. Заключительные замечания 6. Обобщения линейных методов. 6.1. Гибкая дискриминация 6.2. Машины опорных векторов 7. Системы контролируемого обучения – краткое содержание, дополнительные комментарии. 7.1. Краткое содержание 7.2. Дополнительные комментарии 8. Методы прогнозирования и обнаружение скрытых переменных 8.1. Системы обучения без учителя – введение 8.2. Анализ основных компонентов 8.3. Оценка плотности по интересующим проекциям 8.4. Факторный анализ и анализ независимых компонентов 8.5. Сходство, несходство и расстояние между объектами. 8.6. Многомерное масштабирование 8.7. Методы ядра в системах машинного обучения 9. Кластерный анализ 9.1. Комбинаторные методы 9.2. Иерархические методы – дендрограммы 9.3. Другие классические методы 9.4. Три неклассических подхода к кластерному анализу Цитируемые книги Индекс

[Код предложения,24375205083KS,9788360434567,2024-04-30 15:08:40]