Statystyczne systemy uczące się. Wydanie drugie » książka
Statystyczne systemy uczące się. Wydanie drugie
ISBN-13: 9788360434567 / Polski / broszurowa / 2015 / 328 str.
Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining. SPIS TREŚCI Przedmowa do wydania pierwszego Przedmowa do wydania drugiego 1. Liniowe metody klasyfikacji 1.1. Klasyfikacja pod nadzorem - wprowadzenie1.2. Fisherowska dyskryminacja liniowa1.3. Dyskryminacja oparta na regresji linowej i logistycznej1.4. Perceptron Rosenblatta 2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa 2.1. Klasyfikator bayesowski i metoda największej wiarogodności2.2. Optymalność reguły bayesowskiej2.3. Praktyczna konstrukcja klasyfikatorów 3. Metody klasyfikacji oparte na nieparametrycznej estymacji 3.1. Wprowadzenie3.2. Nieparametryczna estymacja rozkładów w klasach3.3. Metoda najbliższych sąsiadów 4. Drzewa klasyfikacyjne i rodziny klasyfikatoró 4.1. Wprowadzenie4.2. Reguły podziału4.3. Reguły przycinania drzew4.4. Drzewa klasyfikacyjne - uwagi4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting4.6. Rodziny klasyfikatorów - lasy losowe 5. Analiza regresji 5.1. Globalne modele parametryczne5.2. Regresja nieparametryczna5.3. Efekty losowe i liniowe modele mieszane5.4. Uwagi końcowe 6. Uogólnienia metod liniowych 6.1. Dyskryminacja elastyczna6.2. Maszyny wektoró podpierających 7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe 7.1. Podsumowanie7.2. Uwagi dodatkowe 8. Metody rzutowania, wykrywania zmiennych ukrytych 8.1. Systemy uczące się bez nadzoru - wprowadzenie8.2. Analiza skłądowych głównych8.3. Estymacja gęstości wzdłuż interesujących rzutów8.4. Analiza czynnikowa i analiza skłądowych niezależnych8.5. Podobieństwo, odmienność i odległość między obiektami8.6. Skalowanie wielowymiarowe8.7. Metody jąrowe w systemach uczących się 9. Analiza skupień 9.1. Metody kombinatoryczne9.2. Metody hierarchiczne - dendrogramy9.3. Inne metody klasyczne9.4. Trzy nieklasyczne podejścia do analizy skupień Książki cytowane Skorowidz
Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining. SPIS TREŚCI Przedmowa do wydania pierwszego Przedmowa do wydania drugiego 1. Liniowe metody klasyfikacji 1.1. Klasyfikacja pod nadzorem - wprowadzenie1.2. Fisherowska dyskryminacja liniowa1.3. Dyskryminacja oparta na regresji linowej i logistycznej1.4. Perceptron Rosenblatta 2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa 2.1. Klasyfikator bayesowski i metoda największej wiarogodności2.2. Optymalność reguły bayesowskiej2.3. Praktyczna konstrukcja klasyfikatorów 3. Metody klasyfikacji oparte na nieparametrycznej estymacji 3.1. Wprowadzenie3.2. Nieparametryczna estymacja rozkładów w klasach3.3. Metoda najbliższych sąsiadów 4. Drzewa klasyfikacyjne i rodziny klasyfikatoró 4.1. Wprowadzenie4.2. Reguły podziału4.3. Reguły przycinania drzew4.4. Drzewa klasyfikacyjne - uwagi4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting4.6. Rodziny klasyfikatorów - lasy losowe 5. Analiza regresji 5.1. Globalne modele parametryczne5.2. Regresja nieparametryczna5.3. Efekty losowe i liniowe modele mieszane5.4. Uwagi końcowe 6. Uogólnienia metod liniowych 6.1. Dyskryminacja elastyczna6.2. Maszyny wektoró podpierających 7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe 7.1. Podsumowanie7.2. Uwagi dodatkowe 8. Metody rzutowania, wykrywania zmiennych ukrytych 8.1. Systemy uczące się bez nadzoru - wprowadzenie8.2. Analiza skłądowych głównych8.3. Estymacja gęstości wzdłuż interesujących rzutów8.4. Analiza czynnikowa i analiza skłądowych niezależnych8.5. Podobieństwo, odmienność i odległość między obiektami8.6. Skalowanie wielowymiarowe8.7. Metody jąrowe w systemach uczących się 9. Analiza skupień 9.1. Metody kombinatoryczne9.2. Metody hierarchiczne - dendrogramy9.3. Inne metody klasyczne9.4. Trzy nieklasyczne podejścia do analizy skupień Książki cytowane Skorowidz
Czytaj nas na:
KrainaKsiazek.PL - Księgarnia Internetowa
