Tytuł: | Statystyczne systemy uczące się Wydanie II | | Autor: | Jacek Koronacki, Jan Ćwik | | ISBN: | 978-83-60434-56-7 | | Ilość stron: | 328 | | Data wydania: | 09/2008 (drugie wydanie) | | Format: | 17.0x24.0cm | | Wydawnictwo: | Exit | |
| Cena: | 47.25zł | |
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.
Rozdziały:
1. Liniowe metody klasyfikacji
1.1. Klasyfikacja pod nadzorem - wprowadzenie 1.2. Fisherowska dyskryminacja liniowa 1.3. Dyskryminacja oparta na regresji linowej i logistycznej 1.4. Perceptron Rosenblatta
2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa
2.1. Klasyfikator bayesowski i metoda największej wiarogodności 2.2. Optymalność reguły bayesowskiej 2.3. Praktyczna konstrukcja klasyfikatorów
3. Metody klasyfikacji oparte na nieparametrycznej estymacji
3.1. Wprowadzenie 3.2. Nieparametryczna estymacja rozkładów w klasach 3.3. Metoda najbliższych sąsiadów
4. Drzewa klasyfikacyjne i rodziny klasyfikatorów
4.1. Wprowadzenie 4.2. Reguły podziału 4.3. Reguły przycinania drzew 4.4. Drzewa klasyfikacyjne - uwagi 4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting 4.6. Rodziny klasyfikatorów - lasy losowe
5. Analiza regresji
5.1. Globalne modele parametryczne 5.2. Regresja nieparametryczna 5.3. Efekty losowe i liniowe modele mieszane 5.4. Uwagi końcowe
6. Uogólnienia metod liniowych
6.1. Dyskryminacja elastyczna 6.2. Maszyny wektoró podpierających
7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe
7.1. Podsumowanie 7.2. Uwagi dodatkowe
8. Metody rzutowania, wykrywania zmiennych ukrytych
8.1. Systemy uczące się bez nadzoru - wprowadzenie 8.2. Analiza skłądowych głównych 8.3. Estymacja gęstości wzdłuż interesujących rzutów 8.4. Analiza czynnikowa i analiza skłądowych niezależnych 8.5. Podobieństwo, odmienność i odległość między obiektami 8.6. Skalowanie wielowymiarowe 8.7. Metody jąrowe w systemach uczących się
9. Analiza skupień
9.1. Metody kombinatoryczne 9.2. Metody hierarchiczne - dendrogramy 9.3. Inne metody klasyczne 9.4. Trzy nieklasyczne podejścia do analizy skupień
|