Асимптотический анализ поведения прикладных моделей машинного обучения

Читать фрагмент

книга

Асимптотический анализ поведения прикладных моделей машинного обучения

Автор: Андрей Протодьяконов, Анна Дягилева, Петр Пылов

Представлена разработка и аналитика прикладных моделей машинного обучения, применяемых в высоконагруженных интеллектуальных системах промышленного уровня. Для студентов, изучающих информационные технологии. Может быть полезно специалистам прикладной сферы анализа данных.

Читать далее

Форматы: PDF

Издательство: Инфра-Инженерия

Год: 2023

Место издания: Москва, Вологда

ISBN: 978-5-9729-1455-5

Страниц: 144

Артикул: 110425

Возрастная маркировка: 16+

Электронная книга

950 ₽

Купить и скачать

Содержание

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

Далее

Внимание!
При обнаружении неточностей или ошибок в описании книги "Асимптотический анализ поведения прикладных моделей машинного обучения (автор Андрей Протодьяконов, Анна Дягилева, Петр Пылов)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!