Подлинное статистическое метод обучения 2 издание 2 издание Li Hang Text Data Mining Информация об поиске учебных инструментов Книга Справочник инструментов Simple Bayesha
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
краткое введение:
Статистический метод обучения - это метод машинного обучения, который является важной дисциплиной в области компьютеров и его применения.Эта книга разделена на две статьи: надзор и неконтролируемое обучение, всестороннее и систематически введено основные методы статистического обучения.Включая перцептивные машины, соседние методы k, простоту байеса, деревья, принимающие решения, логические модели и*большие энтропии, машины поддержки векторных векторных Анализ, потенциальный семантический анализ, вероятность потенциального семантического анализа, метод Малкова Монте -Карло, потенциальное распределение диликли и алгоритм Pagerank.За исключением четырех глав статистического обучения, практикующих практиков надзора и отсутствия надзора, в каждой главе представлен один метод.Повествование стремится начать с конкретных вопросов или экземпляров, от мелкого до глубокого, прояснить идеи и дать необходимую деривацию математики, чтобы облегчить читателей овладеть сущностью статистических методов обучения и научиться использовать.Чтобы удовлетворить потребности дальнейшего обучения читателей, в книге были введены некоторые связанные исследования, учитывая небольшое количество упражнений и перечисляли основные эталонные документы.Эта книга представляет собой учебник по статистическому машинному обучению и связанных с ним курсам. Она подходит для студентов и аспирантов в крупных колледжах и университетах, таких как интеллектуальный анализ текстовых данных, поиск информации и обработка естественного языка.
Об авторе:Ли Ханг, мужчина, окончил кафедру электроники и электроники, Киотвенный университет в Японии и получил докторскую степень по компьютерным наукам в Университете Токио, Япония.Частичный профессор Пекинского университета и Университета Нанкин.Бывший исследователь из Центрального исследовательского института Японии, старший исследователь и директор исследовательского института Microsoft Asia, а также директор лаборатории Ark Ark of Huawei Technology Co., Ltd.В настоящее время он является директором сегодняшней лаборатории искусственного интеллекта.
читать онлайн:
Эта книга посвящена методу надзорного обучения.Обучение надзору - это проблема машинного обучения, которая изучает модели от маркировки данных и является важной частью статистического обучения или машинного обучения.
В этой главе кратко описываются некоторые основные концепции статистического обучения и обучения.Читатели имеют предварительное понимание статистического обучения и обучения в надзоре.
В этой главе 1.1 называет определение статистического обучения или машинного обучения, объектов и методов исследований; 1.2 Классификация статистического обучения в разделе 1.2 Основная классификация - это три элемента обучения надзора, неконтролируемого обучения и укрепления обучения; стратегия и алгоритм; Раздел 1.4 В 1,7 введены несколько важных концепций надзора и обучения, включая оценку модели и выбор модели, регуляризацию и перекрестную проверку, обобщение обучения, создание моделей и моделей дискриминации; применение: проблемы категории, проблемы мечения и проблемы регрессии.
1.1 Статистическое обучение
1. Характеристики статистического обучения
Статистическое обучение - это дисциплина к компьютерам на основе построения данных о вероятности статистических моделей и использования моделей для прогнозирования и анализа данных.Статистическое обучение также называется статистическим машинным обучением.
Основными характеристиками статистического обучения являются: (1) Статистическое обучение принимает компьютеры и сети в качестве платформы, которая основана на компьютерах и сетях; (2) Статистическое обучение использует данные в качестве объекта исследования и является дисциплиной, управляемой данными; (3 ) Статистическое обучение Цель состоит в том, чтобы предсказать и проанализировать данные; (4) статистическое обучение используют методы в качестве центра, а метод статистического обучения создает модели и применяет модели для прогнозирования и анализа. Теория оптимизации и множественные поля, такие как компьютерные науки Постепенно сформировали твердую теоретическую систему и методологию в разработке.
Герберт·Герберт А. Саймон однажды дал следующее определение «обучению»: «Если система может повысить свою производительность, выполнив процесс, это обучение». Согласно этой точке зрения, статистическое обучение означает, что компьютерная система использует данные для использования данных через Данные. и статистические методы для улучшения производительности системного машинного обучения.Теперь, когда люди упоминают машинное обучение, оно часто относится к статистическому машинному обучению.Таким образом, вы можете подумать, что эта книга представляет методы машинного обучения.
2. Объект статистического обучения
Объектом статистического обучения и исследований являются данные (данные).С самого начала данных извлечение характеристик данных, абстрактных моделей данных, обнаружение знаний в данных и возвращение к анализу и прогнозированию данных.В качестве объекта статистического обучения данные разнообразны, включая различные числа, текст, изображения, видео, аудиоданные и их комбинации, существующие на компьютерах и сетях.
Основное предположение о статистическом обучении данных заключается в том, что аналогичные данные имеют определенные статистические законы, что является обязательным условием для статистического обучения.Аналогичные данные здесь относятся к данным с общим характером, таким как английские статьи, интернет -веб -страницы и данные в базах данных.Поскольку они статистически регулярно, они могут использовать статистические методы вероятности для борьбы с ними.Например, характеристики распределения вероятности могут быть описаны как характеристики данных.В статистическом обучении данные или переменные представляют данные.Данные делятся на тип непрерывной переменной и дискретных переменных.Эта книга в основном основана на методе обсуждения дискретных переменных.Кроме того, эта книга включает в себя только использование моделей построения данных и использование моделей для анализа и прогнозирования данных, а также не обсуждает такие проблемы, как наблюдение и сбор данных.
3. Цель статистического обучения
Статистическое обучение используется для прогнозирования и анализа данных, особенно прогнозирования и анализа неизвестных новых данных.Прогнозы данных могут сделать компьютеры более интеллектуальными или улучшить определенные результаты компьютера; анализ данных позволяет людям получать новые знания и приносить новые открытия людям.
Прогнозирование и анализ данных достигаются путем построения статистической модели вероятности.Общая цель статистического обучения - рассмотреть, какие модели и как изучать модели, чтобы модели точно прогнозировали и анализировали данные. В то же время мы также должны рассмотреть возможность максимально повысить эффективность обучения.
4. Метод статистического обучения
Метод статистического обучения основан на статистических моделях построения данных для прогнозирования и анализа данных.Статистическое обучение состоит из контрольного обучения, неконтролируемого обучения и обучения подкрепления.
Эта книга о надзоре и обучении, а вторая статья о неконтролируемом обучении.Можно сказать, что методы обучения на надзоре и неконтролируемые методы обучения являются наиболее важными методами статистического обучения.
Статистические методы обучения могут быть обобщены следующим образом: начиная с набора ограниченных, ограниченных, для данных обучения (данные обучения), при условии, что данные генерируются независимыми и распределенными; и предположим, что модель, которая должна быть изучена, принадлежит коллекции функции, модели, которая должна быть изучена, сборы функции, она называется пространством гипотез; применяет крик оценки, выбирает оптимальную модель из пространства предположения, так что им дают известные учебные данные и неизвестные тестовые данные (Данные тестирования). Существуют оптимальные прогнозы в соответствии с стандартами оценки; выбор оптимальных моделей реализуется алгоритмами.Таким образом, метод статистического обучения включает гипотетическое пространство модели, руководящие принципы для выбора модели и алгоритм обучения модели.Он называется тремя элементами метода статистического обучения, называемым моделью, стратегией и алгоритмм.
Шаги по реализации метода статистического обучения следующие:
(1) получить ограниченный сбор данных обучения;
1.2 Классификация статистического обучения 5
(2) определить пространство предположения, содержащее все возможные модели, то есть сбор модели обучения;
(3) определить руководящие принципы выбора модели, то есть стратегия обучения;
(4) реализовать алгоритм решения оптимальной модели, то есть алгоритм обучения;
(5) выберите оптимальную модель с помощью метода обучения;
(6) Используйте оптимальную модель обучения для прогнозирования или анализа новых данных.
Первая статья этой книги представляет методы наблюдения и обучения, которые в основном включают методы классификации, маркировки и регрессии.Эти методы чрезвычайно широко используются в областях обработки естественного языка, поиска информации, интеллектуального анализа текстовых данных.
5. Исследование статистики исследования
Исследование статистического обучения обычно включает в себя три аспекта: методы статистического обучения, теория статистического обучения и применение статистического обучения.Изучение методов статистического обучения направлено на разработку новых методов обучения; изучение теории статистического обучения заключается в изучении эффективности и эффективности статистических методов обучения, а также основные теоретические вопросы статистического обучения; изучение статистического обучения и применения в основном рассматривает Применение методов статистического обучения к методу статистического обучения, чтобы выполнить фактические проблемы и решить фактические проблемы.
...
