|
题名:
|
机器学习提升法 ji qi xue xi ti sheng fa / (美)罗伯特·夏皮雷(Robert E. Schapire),(美)约夫·弗雷德(Yoav Freund)著 , 沙灜译 |
|
ISBN:
|
978-7-115-53580-1 价格： CNY109.00 |
|
语种:
|
chi |
|
载体形态:
|
400页 图 26cm |
|
出版发行:
|
出版地： 北京 出版社： 人民邮电出版社 出版日期： 2020 |
|
内容提要:
|
本书共14章,分为4个部分。首先给出机器学习算法及其分析的概要介绍,然后第一部分探究了提升法的核心理论及其泛化能力。第二部分介绍了有助于理解和解释提升法的其他理论,包括基于博弈论的解释、贪心算法、迭代投射算法,并与信息几何学和凸优化建立了联系。第三部分介绍利用基于置信度的弱预测的AdaBoost算法的实用扩展,并用于解决多类别分类问题和排序问题。第四部分讨论了高级理论话题,包括AdaBoost算法、最优提升法和连续时间下的提升法之间的统计一致性。附录部分介绍了所需高级的数学概念。 |
|
主题词:
|
机器学习 算法 |
|
中图分类法:
|
TP181 版次： 5 |
|
主要责任者:
|
夏皮雷 xia pi lei 著 |
|
主要责任者:
|
弗雷德 fu lei de 著 |
|
次要责任者:
|
沙灜 sha ying 译 |
|
附注:
|
深度学习系列 |