Szacowanie współczynnika gęstości w uczeniu maszynowym

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Density Ratio Estimation in Machine Learning

Zawartość książki:

Uczenie maszynowe to interdyscyplinarna dziedzina nauki i inżynierii, która bada teorie matematyczne i praktyczne zastosowania systemów, które się uczą.

Niniejsza książka przedstawia teorie, metody i zastosowania estymacji współczynnika gęstości, która jest nowo powstającym paradygmatem w społeczności uczenia maszynowego. Różne problemy związane z uczeniem maszynowym, takie jak adaptacja niestacjonarności, wykrywanie wartości odstających, redukcja wymiarowości, analiza składowych niezależnych, grupowanie, klasyfikacja i warunkowa estymacja gęstości, mogą być systematycznie rozwiązywane poprzez estymację współczynników gęstości prawdopodobieństwa.

Autorzy oferują kompleksowe wprowadzenie do różnych estymatorów współczynnika gęstości, w tym metod szacowania gęstości, dopasowywania momentów, klasyfikacji probabilistycznej, dopasowywania gęstości i dopasowywania współczynnika gęstości, a także opisują, w jaki sposób można je zastosować do uczenia maszynowego. Książka zawiera również teorie matematyczne dotyczące estymacji współczynnika gęstości, w tym parametryczną i nieparametryczną analizę zbieżności oraz numeryczną analizę stabilności, aby uzupełnić pierwsze i ostateczne podejście do całej struktury estymacji współczynnika gęstości w uczeniu maszynowym.