安徽理工大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

机器学习提升法:理论与算法/(美) 罗伯特·夏皮雷, 约夫·弗雷德著 沙瀛译

出版发行项:

北京:人民邮电出版社,2020

ISBN及定价:

978-7-115-53580-1/CNY109.00

载体形态项:

400页:图;26cm

统一题名:

Boosting foundations and algorithms

其它题名:

理论与算法

丛编项:

深度学习系列

个人责任者:

夏皮雷 (Schapire, Robert E.) 著

个人责任者:

弗雷德 (Freund, Yoav) 著

个人次要责任者:

沙瀛 译

学科主题:

机器学习-算法

中图法分类号:

TP181

出版发行附注:

本书简体中文翻译版由Bardon-Chinese Media Agency代理MIT Press授权人民邮电出版社独家出版发行

相关题名附注:

英文题名原文取自版权页

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。

提要文摘附注:

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。

豆瓣简介：