Statystyczne systemy uczące się
- Час доставки: 7-10 днів
- Стан товару: новий
- Доступна кількість: 50
Просматривая «Statystyczne systemy uczące się» данное изделие из «Математика, статистика» вы можете быть уверены, что после оформления заказа, доставки в Украину, вы получите именно то, что заказывали, в оговоренные сроки и европейского качества.
Статистичні системи навчання
- Автор: Яцек Коронацький, Ćwik Jan
- Постачальник: Azymut
- кількість сторінок : 328
- формат: 16,0x24,0 см
- номер випуску: 2
- мова публікації: польська
- дата випуску: 20/10/2021
- тип палітурки: м'яка обкладинка
- рік видання: 2021
Видавець: Вийти
EAN: 9788360434567
Системи навчання — це алгоритмічні методи навчання на основі даних. Неймовірне зростання обчислювальної потужності комп'ютерів і обсягу їх пам'яті створило можливість як збирати величезні обсяги інформації, так і обробляти її. Сьогодні системи навчання є основою т. зв інтелектуальний аналіз даних, або інтелектуальний аналіз даних, або, якщо використовувати загальновживаний англійський термін, аналіз, що називається інтелектуальним аналізом даних.
ЗМІСТ Передмова до першого видання Передмова до другого видання 1. Лінійні методи класифікації 1.1. Класифікація під наглядом - вступ 1.2. Фішерська лінійна дискримінація 1.3. Дискримінація на основі лінійної та логістичної регресії 1.4. Перцептрон Розенблата
2. Методи класифікації на основі ймовірнісних розподілів 2.1. Байєсівський класифікатор і метод максимальної правдоподібності 2.2. Оптимальність правила Байєса 2.3. Практичне проектування класифікаторів
3. Методи класифікації на основі непараметричного оцінювання 3.1. вступ 3.2. Непараметричне оцінювання класових розподілів 3.3. Метод найближчих сусідів
4. Дерева класифікації та сімейства класифікаторів 4.1. вступ 4.2. Правила поділу 4.3. Правила обрізки дерев 4.4. Дерева класифікації - примітки 4.5. Сімейства класифікаторів - алгоритми пакетування та підвищення 4.6. Сімейства класифікаторів - випадкові ліси
5. Регресійний аналіз 5.1. Глобальні параметричні моделі 5.2. Непараметрична регресія 5.3. Випадкові ефекти та лінійні змішані моделі 5.4. Заключні зауваження
6. Узагальнення лінійних методів 6.1. Гнучка дискримінація 6.2. Підтримка векторних машин
7. Контрольовані системи навчання - короткий зміст, додаткові коментарі 7.1. Резюме 7.2. Додаткові примітки
8. Методи проектування, виявлення прихованих змінних 8.1. Системи неконтрольованого навчання – вступ 8.2. Аналіз головних компонент 8.3. Оцінка щільності вздовж цікавих проекцій 8.4. Факторний аналіз та аналіз незалежних компонентів 8.5. Подібність, несхожість і відстань між предметами 8.6. Багатовимірне масштабування 8.7. Методи ядра в системах машинного навчання
9. Кластерний аналіз 9.1. Комбінаторні методи 9.2. Ієрархічні методи – дендрограми 9.3. Інші класичні методи 9.4. Три некласичних підходи до кластерного аналізу
Цитовані книги Покажчик