您好,欢迎来到聚文网。 登录 免费注册
面向分类的集成学习算法——基础理论与分析

面向分类的集成学习算法——基础理论与分析

  • 字数: 216000
  • 装帧: 平装
  • 出版社: 中国铁道出版社有限公司
  • 作者: 孙光灵,李艳秋
  • 出版日期: 2022-12-01
  • 商品条码: 9787113298616
  • 版次: 1
  • 开本: 16开
  • 页数: 148
  • 出版年份: 2022
定价:¥33 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
作为一类优选的机器学习方法,多分类器集成技术是将多个单体学习器按照一定的规则集成起来,充分利用个体学习器之间的互补性,以取得更好的泛化能力和鲁棒性。全书分为三部分,第一部分主要介绍集成学习的相关背景,即关于分类器的相关基础理论;第二部分主要介绍集成学习方法的核心知识,诸如多分类器集成的框架、集成规则和性能评估等理论;Boosting、Bagging、Stacking和随机森林(Random Forests)等经典算法;除此之外,还介绍典型的动态集成方法以及集成聚类算法相关基本概念。第三部分介绍集成学习方法的扩展议题,给出集成学习在半监督学习、主动学习和类别不平衡学习等领域的应用。本书的主要受众是具有一定机器学习和模式识别基础知识的读者,也供机器学习和模式识别爱好者阅读参考。
目录
第1章分类器理论基础
1.1数据挖掘
1.2学习任务的种类
1.3分类的概念
1.4基于统计的分类技术
1.5基于决策树的分类方法
1.6基于神经网络的方法
1.7分类器性能评估
第2章多分类器集成技术概述
2.1集成学习的基本概念
2.2集成学习的作用
2.3多分类器集成有效性的原因
2.4多分类器集成框架
2.5基分类器的集成规则
2.6多分类器性能评估
第3章多分类器集成技术
3.1Boosting算法
3.2Bagging算法
3.3两种经典集成方法中样本加权分析
3.4Stacking算法
3.5随机子空间方法
3.6随机森林集成
第4章多分类器动态集威算法
4.1多分类器动态集成框架
4.2基于KNN准则的动态集成
4.3基于聚类准则的动态集成
4.4基于不同数据集的动态集成
4.5多分类器动态集成算法分析
第5章基于分类器选择的集成学习算法
5.1选择集成的提出
5.2选择性集成的理论基础
5.3选择性集成算法GASEN
5.4选择性集成的不足和发展方向
5.5集成剪枝
第6章聚类集成
6.1聚类
6.2聚类集成
6.3经典聚类集成算法介绍
第7章集成学习扩展议题
7.1半监督学习
7.2主动学习
7.3类别不平衡学习
7.4关于集成学习的一点启示

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网