机读格式显示(MARC)

• 000 01950nam 2200337 450

• 001 0000376205

• 005 20210923141900.0

• 010 __ |a 978-7-115-53580-1 |d CNY109.00

• 100 __ |a 20201007d2020 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 机器学习提升法 |A ji qi xue xi ti sheng fa |e 理论与算法 |f (美) 罗伯特·夏皮雷, 约夫·弗雷德著 |g 沙瀛译

• 210 __ |a 北京 |c 人民邮电出版社 |d 2020

• 215 __ |a 400页 |c 图 |d 26cm

• 225 2_ |a 深度学习系列 |A shen du xue xi ji lie

• 306 __ |a 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

• 312 __ |a 英文题名原文取自版权页

• 314 __ |a 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。

• 330 __ |a 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。

• 410 _0 |1 2001 |a 深度学习系列

• 500 10 |a Boosting foundations and algorithms |A Boosting Foundations And Algorithms |m Chinese

• 517 1_ |a 理论与算法 |A li lun yu suan fa

• 606 0_ |a 机器学习 |A ji qi xue xi |x 算法

• 690 __ |a TP181 |v 5

• 701 _1 |a 夏皮雷 |A xia pi lei |g (Schapire, Robert E.) |4 著

• 701 _1 |a 弗雷德 |A fu lei de |g (Freund, Yoav) |4 著

• 702 _0 |a 沙瀛 |A sha ying |4 译

• 801 _0 |a CN |b AUSTL |c 20210923

• 905 __ |a AUSTL |d TP181/X623