Публикация:Донской 2014 Алгоритмические модели обучения классификации
Материал из MachineLearning.
м (уточнение) |
(дополнение URL) |
||
| Строка 6: | Строка 6: | ||
|издание = | |издание = | ||
|страниц = 228 | |страниц = 228 | ||
| - | |url = | + | |url = http://www.MachineLearning.ru/wiki/images/c/c3/Donskoy14algorithmic.pdf |
|isbn = 978-966-491-534-9 | |isbn = 978-966-491-534-9 | ||
|язык = russian | |язык = russian | ||
| Строка 16: | Строка 16: | ||
|издание = | |издание = | ||
|страниц = 228 | |страниц = 228 | ||
| - | |url = | + | |url = http://www.MachineLearning.ru/wiki/images/c/c3/Donskoy14algorithmic.pdf |
|isbn = 978-966-491-534-9 | |isbn = 978-966-491-534-9 | ||
|язык = russian | |язык = russian | ||
| Строка 25: | Строка 25: | ||
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. | 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. | ||
| + | |||
| + | == Полный текст монографии == | ||
| + | [[Media:donskoy14algorithmic.pdf|donskoy14algorithmic.pdf (PDF, 6Мб)]] | ||
| + | |||
</noinclude> | </noinclude> | ||
Текущая версия
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",
url = "http://www.MachineLearning.ru/wiki/images/c/c3/Donskoy14algorithmic.pdf",
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.
Полный текст монографии
donskoy14algorithmic.pdf (PDF, 6Мб)
