Antikvaari
KauppiaatAsiakaspalveluKirjaudu

Ensemble Methods

Foundations and Algorithms

Zhi-Hua Zhou

Ei tuotekuvaa

Kirjoita arvostelu

Tuote ei saatavilla

Ensemble Methods : Foundations and Algorithms

Lisää tuote omalle toivelistallesi ja saat halutessasi ilmoituksen sähköpostiisi, kun tuotetta tulee saataville Antikvaariin!

Haetaan tuotteita...

Teosta "Ensemble Methods" ei välttämättä ole tällä hetkellä saatavilla Antikvaarista tai teoslistamme on vielä puutteellinen. Katsothan samankaltaiset tuotteet sekä alempaa löytyvät tuote-ehdotuksemme teokseen liittyen. Voit myös lisätä tämän teoksen toivelistallesi ja saat halutessasi ilmoituksen sähköpostiisi, kun tuotteita tulee saataville.

Siirry tuotehakuun

Samankaltaiset tuotteet

Tuotteita ei löytynyt. Voit selailla kirjailijan teoksia klikkaamalla kirjailijan nimeä tai etsi muita kirjoja hakukoneemme avulla.

Tiedot

Kustantaja/julkaisija

CRC Press

Sidosasu

Sidottu

ISBN

1439830037

9781439830031

Kieli

englanti

Alkuperäinen nimi

-

Kaikki tekijät

Zhi-Hua Zhou

Tuotekategoriat

-

Esittely

An up-to-date, self-contained introduction to a state-of-the-art machine learning approach, Ensemble Methods: Foundations and Algorithms shows how these accurate methods are used in real-world tasks. It gives you the necessary groundwork to carry out further research in this evolving field. After presenting background and terminology, the book covers the main algorithms and theories, including Boosting, Bagging, Random Forest, averaging and voting schemes, the Stacking method, mixture of experts, and diversity measures. It also discusses multiclass extension, noise tolerance, error-ambiguity and bias-variance decompositions, and recent progress in information theoretic diversity. Moving on to more advanced topics, the author explains how to achieve better performance through ensemble pruning and how to generate better clustering results by combining multiple clusterings. In addition, he describes developments of ensemble methods in semi-supervised learning, active learning, cost-sensitive learning, class-imbalance learning, and comprehensibility enhancement.

Teemat

Business & Economics