Statystyczne systemy uczące się - Jacek Koronacki, Jan Ćwik [KSIĄŻKA]

Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining. SPIS TREŚCI Przedmowa do wydania pierwszego Przedmowa do wydania drugiego 1. Liniowe metody klasyfikacji 1.1. Klasyfikacja pod nadzorem - wprowadzenie 1.2. Fisherowska dyskryminacja liniowa 1.3. Dyskryminacja oparta na regresji linowej i logistycznej 1.4. Perceptron Rosenblatta 2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa 2.1. Klasyfikator bayesowski i metoda największej wiarogodności 2.2. Optymalność reguły bayesowskiej 2.3. Praktyczna konstrukcja klasyfikatorów 3. Metody klasyfikacji oparte na nieparametrycznej estymacji 3.1. Wprowadzenie 3.2. Nieparametryczna estymacja rozkładów w klasach 3.3. Metoda najbliższych sąsiadów 4. Drzewa klasyfikacyjne i rodziny klasyfikatoró 4.1. Wprowadzenie 4.2. Reguły podziału 4.3. Reguły przycinania drzew 4.4. Drzewa klasyfikacyjne - uwagi 4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting 4.6. Rodziny klasyfikatorów - lasy losowe 5. Analiza regresji 5.1. Globalne modele parametryczne 5.2. Regresja nieparametryczna 5.3. Efekty losowe i liniowe modele mieszane 5.4. Uwagi końcowe 6. Uogólnienia metod liniowych 6.1. Dyskryminacja elastyczna 6.2. Maszyny wektoró podpierających 7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe 7.1. Podsumowanie 7.2. Uwagi dodatkowe 8. Metody rzutowania, wykrywania zmiennych ukrytych 8.1. Systemy uczące się bez nadzoru - wprowadzenie 8.2. Analiza skłądowych głównych 8.3. Estymacja gęstości wzdłuż interesujących rzutów 8.4. Analiza czynnikowa i analiza skłądowych niezależnych 8.5. Podobieństwo, odmienność i odległość między obiektami 8.6. Skalowanie wielowymiarowe 8.7. Metody jąrowe w systemach uczących się 9. Analiza skupień 9.1. Metody kombinatoryczne 9.2. Metody hierarchiczne - dendrogramy 9.3. Inne metody klasyczne 9.4. Trzy nieklasyczne podejścia do analizy skupień Książki cytowane Skorowidz

Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining.

SPIS TREŚCI

Przedmowa do wydania pierwszego

Przedmowa do wydania drugiego

1. Liniowe metody klasyfikacji

1.1. Klasyfikacja pod nadzorem - wprowadzenie

1.2. Fisherowska dyskryminacja liniowa

1.3. Dyskryminacja oparta na regresji linowej i logistycznej

1.4. Perceptron Rosenblatta

2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa

2.1. Klasyfikator bayesowski i metoda największej wiarogodności

2.2. Optymalność reguły bayesowskiej

2.3. Praktyczna konstrukcja klasyfikatorów

3. Metody klasyfikacji oparte na nieparametrycznej estymacji

3.1. Wprowadzenie

3.2. Nieparametryczna estymacja rozkładów w klasach

3.3. Metoda najbliższych sąsiadów

4. Drzewa klasyfikacyjne i rodziny klasyfikatoró

4.1. Wprowadzenie

4.2. Reguły podziału

4.3. Reguły przycinania drzew

4.4. Drzewa klasyfikacyjne - uwagi

4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting

4.6. Rodziny klasyfikatorów - lasy losowe

5. Analiza regresji

5.1. Globalne modele parametryczne

5.2. Regresja nieparametryczna

5.3. Efekty losowe i liniowe modele mieszane

5.4. Uwagi końcowe

6. Uogólnienia metod liniowych

6.1. Dyskryminacja elastyczna

6.2. Maszyny wektoró podpierających

7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe

7.1. Podsumowanie

7.2. Uwagi dodatkowe

8. Metody rzutowania, wykrywania zmiennych ukrytych

8.1. Systemy uczące się bez nadzoru - wprowadzenie

8.2. Analiza skłądowych głównych

8.3. Estymacja gęstości wzdłuż interesujących rzutów

8.4. Analiza czynnikowa i analiza skłądowych niezależnych

8.5. Podobieństwo, odmienność i odległość między obiektami

8.6. Skalowanie wielowymiarowe

8.7. Metody jąrowe w systemach uczących się

9. Analiza skupień

9.1. Metody kombinatoryczne

9.2. Metody hierarchiczne - dendrogramy

9.3. Inne metody klasyczne

9.4. Trzy nieklasyczne podejścia do analizy skupień

Książki cytowane

Skorowidz