由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书模式分类的集成方法9787118103977
¥ ×1
章模式分类概述
1.1模式分类
1.2诱导算法
1.3规则推导
1.4决策树
1.5贝叶斯方法
1.5.1概述
1.5.2朴素贝叶斯方法
1.5.3贝叶斯方法
1.6诱导方法
1.6.1神经网络
1.6.2遗传算法
1.6.3基于示例的学习
1.6.4支持向量机
第2章集成学习概述
2.1回到起源
2.2群体的智慧
.Bagging算法
2.4Boosting算法
2.5AdaBoost算法
2.6没有免费的午餐理论和集成学习
2.7偏差解构和集成学习
2.8Occam剃刀和集成学习
2.9分类器相关
2.9.1相关方法
2.9.2独方
2.10用于复杂分类任务的集成方法
2.10.1代价的分类
2.10.2用于概念漂移学习的集成
2.10.3拒绝驱动分类
第3章集成分类
3.1融合方法
3.1.1加权方法
3.1.2多数投票法
3.1.3能加权法
3.1.4分布求和法
3.1.5贝叶斯联合法
3.1.6Dempste-Shafer推理法
3.1.7bgging方法
3.1.8朴素贝叶斯方法
3.1.9熵加权法
3.1.10基于密度的加权方法
3.1.11DEA加权法
3.1.12对数评价池法
3.1.13顺序统计法
3.2选择分类
3.2.1划分示例空间
3.3专家混合与元学习
3.3.1Stacking算法
3.3.2仲裁树
3.3.3组合树
3.3.4分级法
3.3.5门网络法
第4章集成的多样
4.1概述
4.2操控诱导器
4.2.1操控诱导器的参数
4.2.2设空间的初始点
4..设空间的遍历
4.3操控训练样本
4.3.1重采样
4.3.2样本创建
4.3.3样本划分
4.4操控目标属表示
4.4.1类标转换
4.5划分搜索空间
4.5.1划分和竞争法
4.5.2基于特征子集的集成方法
4.6多类型诱导器
4.7多样度量
第5章集成选择
5.1集成选择
5.2集成规模的预选取
5.3训练阶段集成规模的选择
5.4删减——集成规模的后选择
5.4.1基于排序的方法
5.4.2基于搜索的方法
5.4.3基于聚类的方法
5.4.4删减时机
第6章误差纠错输出编码
6.1多类问题的编码矩阵分解
6.2类型I:给定编码矩阵的集成训练方法
6.2.1纠错输出编码
6.2.2编码矩阵框架
6..编码矩阵的设计
6.2.4正交排列(OA)
6.2.5Hadamard矩阵
6.2.6概率纠错输出编码
6.2.7ECOC策略
6.3类型II:多类问题的自适应编码矩阵
第7章分类器集成的评价
7.1泛化误差
7.1.1泛化误差的理论估计
7.1.2泛化误差的实验估计
7.1.3精度度量的替代者
7.1.4F-度量
7.1.5混淆矩阵
7.1.6在有限资源下的分类器的评价
7.1.7用于对比集成的统计测试
7.2计算复杂度
7.3集成结果的可解释
7.4大规模数据的可量测
7.5鲁棒
7.6稳定
7.7灵活
7.8可用
7.9软件实用
7.10应该选用哪个集成方法
参考文献
高新科技译丛丛书书目
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
