Обучение машины

  • Регрессионный анализ. Теоретические основы и практические рекомендации
    Показать
    Быстрый просмотр

    Регрессионный анализ. Теоретические основы и практические рекомендации
    0 из 5

    В книге рассматриваются классическая теория и современные результаты в обла­сти регрессионного анализа — одного из важнейших направлений анализа статистических данных. Автором детально изложены основы регрессионного и дисперсионного анализа в предположении нормальности наблюдений, методики выбора статистических гипотез и подбора оптимальной модели с использованием информационных критериев. Уделяется внимание неполным классификациям дисперсионного анализа и моделям с рандомизацией. Рассмотрены вопросы теории и практики регрессионного анализа в обобщенных линейных моделях при анализе таблиц сопряженности и коротких временных рядов («лонгитьюдных данных»). Предложены методы реализации численного анализа с использованием свобод­ного программного обеспечения R. Книга рассчитана на научных работников математических специальностей, занима­ющихся статистическим анализом данных, но может быть интересна и специалистам ме­дицинских, биологических и технических направлений. Может быть…

    1,601 
  • Machine Learning: A Probabilistic Perspective
    Показать
    Быстрый просмотр

    Machine Learning: A Probabilistic Perspective
    0 из 5

    Today’s Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. This textbook offers a comprehensive and self-contained introduction to the field of machine learning, based on a unified, probabilistic approach. The coverage combines breadth and depth, offering necessary background material on such topics as probability, optimization, and linear algebra as well as discussion of recent developments in the field, including conditional random fields, L1 regularization, and deep learning. The book is written in an informal, accessible style, complete with pseudo- code for the most important algorithms. All topics are copiously illustrated with color images and worked examples drawn from such application domains as biology, text processing, computer vision, and robotics. Rather than providing a…

    8,175 
  • Математические основы машинного обучения и прогнозирования
    Показать
    Быстрый просмотр

    Математические основы машинного обучения и прогнозирования
    0 из 5

    Книга предназначена для первоначального знакомства с математическими основами современной теории машинного обучения (Machine Learning) и теории игр с предсказаниями. В первой части излагаются основы статистической теории машинного обучения, рассматриваются задачи классификации и регрессии с опорными векторами, теория обобщения и алгоритмы построения разделяющих гиперплоскостей. Во второй и третьей частях рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: предсказания с использованием экспертных стратегий (Prediction with Expert Advice) и игры с предсказаниями. Для студентов и аспирантов, специализирующихся в области машинного обучения и искусственного интеллекта.

    470