Публикация:Донской 2014 Алгоритмические модели обучения классификации
Материал из MachineLearning.
(Новая: <includeonly>{{Монография|PageName = Публикация:Публикация:Донской 2014 Алгоритмические модели обучения классифи...) |
м (уточнение) |
||
| Строка 1: | Строка 1: | ||
| - | <includeonly>{{Монография|PageName = | + | <includeonly>{{Монография|PageName = Публикация:Донской 2014 Алгоритмические модели обучения классификации |
|автор = Донской, В. И. | |автор = Донской, В. И. | ||
|название = Алгоритмические модели обучения классификации: обоснование, сравнение, выбор | |название = Алгоритмические модели обучения классификации: обоснование, сравнение, выбор | ||
| Строка 9: | Строка 9: | ||
|isbn = 978-966-491-534-9 | |isbn = 978-966-491-534-9 | ||
|язык = russian | |язык = russian | ||
| - | }}</includeonly><noinclude>{{Монография|BibtexKey = | + | }}</includeonly><noinclude>{{Монография|BibtexKey = donskoy14algorithmic |
|автор = Донской, В. И. | |автор = Донской, В. И. | ||
|название = Алгоритмические модели обучения классификации: обоснование, сравнение, выбор | |название = Алгоритмические модели обучения классификации: обоснование, сравнение, выбор | ||
Версия 08:48, 12 мая 2014
Донской, В. И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. — Симферополь: ДИАЙПИ, 2014. — 228 с.
| BibTeX: |
@book{donskoy14algorithmic,
author = "Донской, В. И.",
title = "Алгоритмические модели обучения классификации: обоснование, сравнение, выбор",
publisher = "Симферополь: ДИАЙПИ",
year = "2014",
numpages = "228",
language = russian
}
|
Аннотация
В книге рассматриваются теоретические аспекты машинного обучения классификации. В центре изложения — обучаемость как способность применяемых алгоритмов обеспечивать эмпирическое обобщение. С обучаемостью непосредственно связаны вопросы сложности выборок, точности и надежности классификаторов. Большое внимание уделено алгоритмическим методам анализа процессов обучения и синтеза решающих правил, включая колмогоровский подход, связанный с алгоритмическим сжатием информации. Описаны принципы выбора моделей обучения и семейств классифицирующих алгоритмов в зависимости от постановок и свойств решаемых задач.
Книга предназначается для специалистов, занимающихся теорией машинного обучения; она будет полезной для аспирантов, разработчиков интеллектуализированного программного обеспечения и студентов старших курсов математических специальностей, специализирующихся в указанной области.
