Асимптотический анализ поведения прикладных моделей машинного обучения

Содержание книги "Асимптотический анализ поведения прикладных моделей машинного обучения "

Предисловие
Глава 1. Математический анализ функциональных моделей машинного обучения
1.1. Алгоритм наивного Байесовского классификатора
1.2. Алгоритм AnyBoost
1.3. Алгоритм шаговой регрессии
1.4. Алгоритм логистической регрессии
1.5. Алгоритм случайного леса
1.6. Алгоритм Listbb
1.7. Алгоритм однослойного персептрона
1.8. Векторная модель для аналитики текстовых данных
1.9. Метод парзеновского окна
1.10. Метод поиска сходства в текстовых документах на основе замкнутого множества признаков
1.11. Метод оптимального прореживания нейронных сетей
1.12. Метод опорных векторов для линейно разделимой выборки
1.13. Метод опорных векторов для задачи регрессии
1.14. Метод стохастического градиента
1.15. Метод главных компонент
Глава 2. Программная реализация асимптотически устойчивых математических моделей машинного обучения
2.1. Алгоритм наивного Байесовского классификатора
2.2. Алгоритм AnyBoost
2.3. Алгоритм шаговой регрессии
2.4. Алгоритм логистической регрессии
2.5. Алгоритм случайного леса
2.6. Алгоритм Listbb
2.7. Алгоритм однослойного персептрона
2.8. Векторная модель для аналитики текстовых данных
2.9. Метод парзеновского окна
2.10. Метод поиска сходства в текстовых документах на основе замкнутого множества признаков
2.11. Метод оптимального прореживания нейронных сетей
2.12. Метод опорных векторов для линейно разделимой выборки
2.13. Метод опорных векторов для задачи регрессии
2.14. Метод стохастического градиента
2.15. Метод главных компонент
Библиографический список