Învățarea cu nuclee: Mașini vectoriale cu suport, regularizare, optimizare și dincolo de acestea

Recenzii ale cititorilor

Cartea oferă o explorare cuprinzătoare și detaliată a mașinilor vectoriale cu suport (SVM) și a metodelor kernel, ceea ce o face potrivită pentru cei cu o pregătire solidă în disciplinele matematice relevante. Cu toate acestea, poate fi copleșitoare pentru novici din cauza matematicii avansate implicate și a unor omisiuni în acoperire.

⬤ Acoperire temeinică a domeniilor cheie din SVM și metodele kernel
⬤ scrisă de experți recunoscuți
⬤ exemple și referințe extinse
⬤ capitole bine organizate care permit lectura neliniară
⬤ potrivită pentru studenți absolvenți și cercetători
⬤ tratare matematică aprofundată a teoriei SVM.

⬤ Nu este potrivită pentru începători
⬤ necesită o pregătire solidă în analiză funcțională, probabilitate și optimizare
⬤ unele capitole și anexe pot fi insuficiente pentru cei care nu au cunoștințe adecvate
⬤ câteva greșeli de tipar și erori în teoreme
⬤ cartea începe să pară învechită pe măsură ce domeniul evoluează.

(pe baza a 19 recenzii ale cititorilor)

Titlul original:

Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond

Conținutul cărții:

O introducere cuprinzătoare în mașinile cu vectori de suport și în metodele de kernel aferente.

În anii 1990, a fost dezvoltat un nou tip de algoritm de învățare, bazat pe rezultatele teoriei învățării statistice: Mașina vectorială de suport (SVM). Acest lucru a dat naștere unei noi clase de mașini de învățare elegante din punct de vedere teoretic, care utilizează un concept central al SVM-urilor - kernel-urile - pentru o serie de sarcini de învățare.

Mașinile cu kernel oferă un cadru modular care poate fi adaptat la diferite sarcini și domenii prin alegerea funcției kernel și a algoritmului de bază. Acestea înlocuiesc rețelele neuronale într-o varietate de domenii, inclusiv în inginerie, recuperarea informațiilor și bioinformatică. Learning with Kernels oferă o introducere în SVM-uri și în metodele cu kernel conexe.

Deși cartea începe cu elementele de bază, include și cele mai recente cercetări. Ea oferă toate conceptele necesare pentru a permite unui cititor echipat cu unele cunoștințe matematice de bază să intre în lumea învățării automate folosind algoritmi cu kernel bine fundamentați teoretic, dar ușor de utilizat, și să înțeleagă și să aplice algoritmii puternici care au fost dezvoltați în ultimii ani.