Statystyczne systemy uczące się

Systemy uczące się to algorytmiczne metody uczenia się na podstawie informacji. Nieprzeciętny wzrost mocy obliczeniowej komputerów i pojemności ich pamięci stworzył możliwości jednocześnie gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania.

Systemy uczące się są dziś podstawą tzw. Eksploracji danych, inaczej inteligentnej analizy danych, czyli -zastosować powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining. SPIS TREŚCI Przedmowa do wydania pierwszego Przedmowa do wydania drugiego 1.

Liniowe metody klasyfikacji 1.1. Klasyfikacja pod nadzorem - wprowadzenie 1.2. Fisherowska dyskryminacja liniowa 1.3. Dyskryminacja oparta na regresji linowej i logistycznej 1.4. Perceptron Rosenblatta 2.

Metody klasyfikacji oparte na rozkładach prawdopodobieństwa 2.1. Klasyfikator bayesowski i metoda największej wiarogodności 2.2. Słuszność reguły bayesowskiej 2.3. Poręczna konstrukcja klasyfikatorów 3.

Metody klasyfikacji oparte na nieparametrycznej estymacji 3.1. Wprowadzenie 3.2. Nieparametryczna estymacja rozkładów w klasach 3.3. Metoda najbliższych sąsiadów 4. Drzewa klasyfikacyjne i rodziny klasyfikatoró 4.1.

Wprowadzenie 4.2. Reguły podziału 4.3. Reguły przycinania drzew 4.4. Drzewa klasyfikacyjne - uwagi 4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting 4.6. Rodziny klasyfikatorów - lasy losowe 5.

Analiza regresji 5.1. Globalne modele cechyczne 5.2. Regresja nieparametryczna 5.3. Efekty losowe i liniowe modele mieszane 5.4. Uwagi końcowe 6. Uogólnienia metod liniowych 6.1. Dyskryminacja rozciągliwa 6.2.

Maszyny wektoró podpierających 7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dopełniające 7.1. Podsumowanie 7.2. Uwagi dodatkowe 8. Metody rzutowania, wykrywania zmiennych ukrytych 8.1. Systemy uczące się bez nadzoru - wprowadzenie 8.2.

Analiza skłądowych głównych 8.3. Estymacja gęstości wzdłuż ciekawych rzutów 8.4. Analiza czynnikowa i analiza skłądowych niezależnych 8.5. Podobieństwo, odmienność i odległość pomiędzy obiektami 8.6.

Skalowanie wielowymiarowe 8.7. Metody jąrowe w systemach uczących się 9. Analiza skupień 9.1. Metody kombinatoryczne 9.2. Metody hierarchiczne - dendrogramy 9.3. Inne metody tradycyjne 9.4.