مشخصات کتاب

Ensemble Methods: Foundations and Algorithms

ویرایش: 1 
نویسندگان: Zhi-Hua Zhou  
سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Serie 
ISBN (شابک) : 1439830037, 9781439830055 
ناشر: Chapman and Hall/CRC 
سال نشر: 2012 
تعداد صفحات: 234 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت تبدیل فایل کتاب Ensemble Methods: Foundations and Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب روش های گروه: مبانی و الگوریتم ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب روش های گروه: مبانی و الگوریتم ها



مقدمه ای به روز و مستقل بر رویکرد پیشرفته یادگیری ماشینی، روش های مجموعه: مبانی و الگوریتم ها نشان می دهد که چگونه این روش های دقیق در واقعیت استفاده می شوند. وظایف جهانی این به شما زمینه لازم را برای انجام تحقیقات بیشتر در این زمینه در حال تکامل می دهد.

پس از ارائه پیشینه و اصطلاحات، این کتاب الگوریتم ها و نظریه های اصلی، از جمله Boosting، Bagging، را پوشش می دهد. جنگل تصادفی، طرح‌های میانگین‌گیری و رای‌گیری، روش انباشتگی، ترکیبی از کارشناسان، و معیارهای تنوع. همچنین در مورد گسترش چند کلاسه، تحمل نویز، تجزیه خطا-ابهام و سوگیری-واریانس، و پیشرفت اخیر در تنوع نظری اطلاعات بحث می کند. نویسنده توضیح می دهد که به سمت موضوعات پیشرفته تر حرکت می کنیم نحوه دستیابی به عملکرد بهتر از طریق هرس گروهی و چگونگی ایجاد نتایج خوشه بندی بهتر با ترکیب خوشه های متعدد. علاوه بر این، او پیشرفت‌های روش‌های گروهی را در یادگیری نیمه‌نظارت‌شده، یادگیری فعال، یادگیری حساس به هزینه، یادگیری عدم تعادل کلاس، و افزایش قابلیت درک توضیح می‌دهد.

توضیحاتی درمورد کتاب به خارجی

An up-to-date, self-contained introduction to a state-of-the-art machine learning approach, Ensemble Methods: Foundations and Algorithms shows how these accurate methods are used in real-world tasks. It gives you the necessary groundwork to carry out further research in this evolving field.

After presenting background and terminology, the book covers the main algorithms and theories, including Boosting, Bagging, Random Forest, averaging and voting schemes, the Stacking method, mixture of experts, and diversity measures. It also discusses multiclass extension, noise tolerance, error-ambiguity and bias-variance decompositions, and recent progress in information theoretic diversity.

Moving on to more advanced topics, the author explains how to achieve better performance through ensemble pruning and how to generate better clustering results by combining multiple clusterings. In addition, he describes developments of ensemble methods in semi-supervised learning, active learning, cost-sensitive learning, class-imbalance learning, and comprehensibility enhancement.

فهرست مطالب

Front Cover......Page 1
Contents......Page 12
Preface......Page 8
Notations......Page 10
1. Introduction......Page 16
2. Boosting......Page 38
3. Bagging......Page 62
4. Combination Methods......Page 82
5. Diversity......Page 114
6. Ensemble Pruning......Page 134
7. Clustering Ensembles......Page 150
8. Advanced Topics......Page 172
References......Page 202

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Emplacement Mechanisms of Nappes and Thrust Sheets

دانلود کتاب Android Boot Camp for Developers using Java(TM), Comprehensive

دانلود کتاب Die ritterlich-höfische Kultur des Mittelalters

دانلود کتاب Riddles of Belonging:India in Translation and Other Tales of Possession

دانلود کتاب The Cookbook: More Than 125 Healthy, Delicious Recipes Adapted from Nbc's Hit Show