题名:
机器学习提升法   [ 专著] ji qi xue xi ti sheng fa / (美)罗伯特·夏皮雷，约夫·弗雷德著 , 沙瀛译
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:
本书主要介绍一种机器学习算法--提升法，主要关注其基础理论和算法，也兼顾了应用。全书共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，然后第一部分重点探究了提升法的核心理论及其泛化能力。第二部分主要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。第三部分主要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
其它题名:
理论与算法
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:
沙瀛 sha ying 译
责任者附注:
约夫·弗雷德 (Yoav Freund)，纽约微软主任研究员。罗伯特·夏皮雷 (Robert. E. Schapire)，加利福尼亚大学圣迭戈分校计算机科学与工程系教授。他们因为在提升法方面的研究工作，获得了2003年的哥德尔奖和2004年的ACM Kanellakis 理论与实践奖。