دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Craig Friedman. Sven Sandow سری: Machine Learning & Pattern Recognition ISBN (شابک) : 1584886226, 9781584886228 ناشر: Chapman & Hall CRC سال نشر: 2010 تعداد صفحات: 412 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری مبتنی بر سودمندی از داده ها: علوم و مهندسی کامپیوتر، هوش مصنوعی، داده کاوی
در صورت تبدیل فایل کتاب Utility-Based Learning from Data 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 یادگیری مبتنی بر سودمندی از داده 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.
یادگیری مبتنی بر سودمندی از داده ها یک بحث آموزشی و مستقل از روش های تخمین احتمال را از طریق یک رویکرد منسجم از دیدگاه تصمیم گیرنده ای که در یک محیط نامشخص عمل می کند، ارائه می دهد. انگیزه این رویکرد این است که مدلهای احتمالی معمولاً به خاطر خودشان آموخته نمیشوند. بلکه برای تصمیم گیری استفاده می شوند. به طور خاص، نویسندگان دیدگاه تصمیمگیرندهای را اتخاذ میکنند که (i) در محیطی نامطمئن عمل میکند که در آن عواقب هر نتیجه ممکن به صراحت درآمدزایی میشود، (2) تصمیمات خود را بر اساس یک مدل احتمالی قرار میدهد، و (iii) میسازد و مدل های خود را بر این اساس ارزیابی می کند. این مفروضات به طور طبیعی به زبان تئوری سودمندی بیان می شوند که از نظریه مالی و تصمیم گیری به خوبی شناخته شده است. با در نظر گرفتن این دیدگاه، کتاب برخی از رویکردهای رایج یادگیری آماری را روشن می کند و آنها را تعمیم می دهد، ایده هایی را از نظریه اطلاعات، آمار و امور مالی به هم متصل می کند. تعادلی بین سختگیری و شهود ایجاد می کند و ایده های اصلی را تا حد امکان به مخاطبان گسترده ای منتقل می کند.
Utility-Based Learning from Data provides a pedagogical, self-contained discussion of probability estimation methods via a coherent approach from the viewpoint of a decision maker who acts in an uncertain environment. This approach is motivated by the idea that probabilistic models are usually not learned for their own sake; rather, they are used to make decisions. Specifically, the authors adopt the point of view of a decision maker who (i) operates in an uncertain environment where the consequences of every possible outcome are explicitly monetized, (ii) bases his decisions on a probabilistic model, and (iii) builds and assesses his models accordingly. These assumptions are naturally expressed in the language of utility theory, which is well known from finance and decision theory. By taking this point of view, the book sheds light on and generalizes some popular statistical learning approaches, connecting ideas from information theory, statistics, and finance. It strikes a balance between rigor and intuition, conveying the main ideas to as wide an audience as possible.