Tanulás magokkal: Support Vector Machines, Regularization, Optimization, and Beyond (Támogató vektoros gépek, regularizáció, optimalizálás és azon túl)

Olvasói vélemények

A könyv átfogó és részletes feltárást nyújt a támogató vektoros gépekről (SVM) és a kernelmódszerekről, így alkalmas a vonatkozó matematikai tudományágakban már alapos háttérrel rendelkezők számára. A kezdők számára azonban a haladó matematika és néhány hiányosság miatt túlterhelő lehet.

⬤ Az SVM és a kernelmódszerek kulcsfontosságú területeinek alapos lefedése
⬤ elismert szakértők által írt
⬤ kiterjedt példák és hivatkozások
⬤ jól szervezett fejezetek, amelyek lehetővé teszik a nem lineáris olvasást
⬤ alkalmas végzős hallgatók és kutatók számára
⬤ az SVM elmélet mélyreható matematikai feldolgozása.

⬤ Kezdők számára nem alkalmas
⬤ erős funkcionálanalízis, valószínűségszámítás és optimalizálás alapismereteket igényel
⬤ néhány fejezet és függelék elégtelen lehet a megfelelő ismeretekkel nem rendelkezők számára
⬤ néhány elgépelés és hiba a tételekben
⬤ a könyv kezd elavultnak tűnni, ahogy a terület fejlődik.

(19 olvasói vélemény alapján)

Eredeti címe:

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

Könyv tartalma:

Átfogó bevezetés a Support Vector Machines és a kapcsolódó kernelmódszerekbe.

Az 1990-es években a statisztikai tanuláselmélet eredményein alapuló új típusú tanulási algoritmust fejlesztettek ki: a támogató vektor gépet (SVM). Ez az elméletileg elegáns tanulógépek új osztályát hozta létre, amelyek az SVM-ek központi koncepcióját - a kerneleket - használják számos tanulási feladathoz.

A kernel-gépek moduláris keretrendszert biztosítanak, amely a kernel-függvény és az alapalgoritmus megválasztásával különböző feladatokhoz és területekhez igazítható. Számos területen, például a mérnöki tudományokban, az információkeresésben és a bioinformatika területén váltják fel a neurális hálózatokat. A Learning with Kernels című könyv bevezetést nyújt az SVM-ek és a kapcsolódó kerneles módszerekbe.

Bár a könyv az alapokkal kezdődik, a legújabb kutatásokat is tartalmazza. Minden olyan fogalmat megad, amely ahhoz szükséges, hogy a némi matematikai alapismerettel felvértezett olvasó elméletileg megalapozott, mégis könnyen használható kernelalgoritmusok segítségével beléphessen a gépi tanulás világába, és megértse és alkalmazza az elmúlt években kifejlesztett nagy teljesítményű algoritmusokat.