Ensemble Machine Learning: Methods and Applications

خرد رایج این است که گردآوری دیدگاه‌ها و ورودی‌های مختلف، روند تصمیم‌گیری را بهبود می‌بخشد، و در واقع، یک جامعه دموکراتیک را پایه‌ریزی می‌کند. محققان در هوش محاسباتی و یادگیری ماشینی آن را "یادگیری گروهی" نامیده‌اند و به بهبود استحکام و دقت سیستم تصمیم‌گیری معروف است. اکنون، پیشرفت‌های جدید به محققان اجازه می‌دهد تا قدرت یادگیری گروهی را در طیف فزاینده‌ای از کاربردهای دنیای واقعی آزاد کنند. الگوریتم‌های یادگیری گروهی مانند «تقویت» و «جنگل تصادفی» راه‌حل‌های مربوط به مسائل محاسباتی کلیدی مانند تشخیص چهره را تسهیل می‌کنند و اکنون در حوزه‌های متنوعی مانند ردیابی اشیا و بیوانفورماتیک استفاده می‌شوند.

< p> در پاسخ به کمبود ادبیات اختصاص داده شده به این موضوع، این جلد پوشش جامعی از تکنیک های پیشرفته یادگیری گروه ارائه می دهد، از جمله الگوریتم ردیابی تصادفی اسکلت جنگل در حسگر Xbox Kinect، که نیاز به کنترلرهای بازی را دور می زند. . این حجم در عین حال یک مطالعه نظری محکم و یک راهنمای عملی، برای محققان و پزشکان به طور یکسان یک پول بادآورده است.

It is common wisdom that gathering a variety of views and inputs improves the process of decision making, and, indeed, underpins a democratic society. Dubbed “ensemble learning” by researchers in computational intelligence and machine learning, it is known to improve a decision system’s robustness and accuracy. Now, fresh developments are allowing researchers to unleash the power of ensemble learning in an increasing range of real-world applications. Ensemble learning algorithms such as “boosting” and “random forest” facilitate solutions to key computational issues such as face recognition and are now being applied in areas as diverse as object tracking and bioinformatics.

Responding to a shortage of literature dedicated to the topic, this volume offers comprehensive coverage of state-of-the-art ensemble learning techniques, including the random forest skeleton tracking algorithm in the Xbox Kinect sensor, which bypasses the need for game controllers. At once a solid theoretical study and a practical guide, the volume is a windfall for researchers and practitioners alike.