Értékelés:
A Gauss-folyamatokról (GP) szóló könyv vegyes kritikákat kapott, sokan dicsérik a könyv áttekinthetőségét, mélységét és a gépi tanulás szempontjából való relevanciáját, míg néhányan kritizálják az önállóság és a mélység hiányát.
Előnyök:⬤ Világos és tömör magyarázatok
⬤ értékes a gépi tanulás kontextusában
⬤ jól strukturált fejezetek
⬤ kiváló referencia a kutatáshoz
⬤ jó kapcsolatokat tartalmaz a GP és más módszerek, például az SVM között
⬤ kiváló minőségű kemény kötés
⬤ remek ár.
⬤ Nem önálló, egyes fogalmak definícióinak hiánya
⬤ egyesek szerint túlságosan kevés a mélység és a tartalom
⬤ a magyarázatok túlságosan leegyszerűsítőnek vagy körkörösnek tűnhetnek
⬤ néhány panasz a csomagolásra.
(18 olvasói vélemény alapján)
Gaussian Processes for Machine Learning
Átfogó és önálló bevezetés a Gauss-folyamatokba, amelyek elvi, gyakorlatias, valószínűségi megközelítést nyújtanak a kerneles gépekben történő tanuláshoz.
A Gauss-folyamatok (GP-k) elvi, gyakorlatias, valószínűségi megközelítést nyújtanak a kernel-gépekben történő tanuláshoz. A GP-k az elmúlt évtizedben egyre nagyobb figyelmet kaptak a gépi tanulással foglalkozó közösségben, és ez a könyv a GP-k elméleti és gyakorlati aspektusainak régóta szükséges szisztematikus és egységes kezelését nyújtja a gépi tanulásban. A feldolgozás átfogó és önálló, a gépi tanulás és az alkalmazott statisztika kutatóit és hallgatóit célozza meg. A könyv mind a regresszió, mind az osztályozás felügyelt tanulási problémájával foglalkozik, és részletes algoritmusokat tartalmaz. Sokféle kovariancia (kernel) függvényt mutat be, és tárgyalja azok tulajdonságait. A modellszelekciót Bayes-i és klasszikus szemszögből is tárgyalja. Számos kapcsolatot tárgyalunk a gépi tanulás és a statisztika más jól ismert technikáival, beleértve a támogató vektorgépeket, a neurális hálózatokat, a spline-okat, a regularizációs hálózatokat, a relevanciavektor-gépeket és másokat. Elméleti kérdéseket, köztük a tanulási görbéket és a PAC-Bayes keretrendszert is tárgyaljuk, és számos közelítő módszert tárgyalunk a nagy adathalmazokkal való tanuláshoz. A könyv szemléltető példákat és feladatokat tartalmaz, a kód és az adatkészletek pedig elérhetők a weben.
A függelékek matematikai hátteret és a Gauss Markov-folyamatok tárgyalását tartalmazzák.