Публикация:Донской 2014 Алгоритмические модели обучения классификации

Материал из MachineLearning.

Донской, В. И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. — Симферополь: ДИАЙПИ, 2014. — 228 с.

BibTeX:

 @book{donskoy14algorithmic,
   author = "Донской, В. И.",
   title = "Алгоритмические модели обучения классификации: обоснование, сравнение, выбор",
   publisher = "Симферополь: ДИАЙПИ",
   year = "2014",
   numpages = "228",
   url = "http://www.MachineLearning.ru/wiki/images/c/c3/Donskoy14algorithmic.pdf",
   language = russian
 }

Аннотация

В книге рассматриваются теоретические аспекты машинного обучения классификации. В центре изложения — обучаемость как способность применяемых алгоритмов обеспечивать эмпирическое обобщение. С обучаемостью непосредственно связаны вопросы сложности выборок, точности и надежности классификаторов. Большое внимание уделено алгоритмическим методам анализа процессов обучения и синтеза решающих правил, включая колмогоровский подход, связанный с алгоритмическим сжатием информации. Описаны принципы выбора моделей обучения и семейств классифицирующих алгоритмов в зависимости от постановок и свойств решаемых задач.

Книга предназначается для специалистов, занимающихся теорией машинного обучения; она будет полезной для аспирантов, разработчиков интеллектуализированного программного обеспечения и студентов старших курсов математических специальностей, специализирующихся в указанной области.