Machine Learning From Weak Supervision Av Masashi Sugiyama, Han Bao

Machine Learning From Weak Supervision Av Masashi Sugiyama, Han Bao

Fundamental theory and practical algorithms of weakly supervised classification, emphasizing an approach based on empirical risk minimization.Standard machine learning techniques require large amounts of labeled data to work well. When we apply machine learning to problems in the physical world, however, it is extremely diffi......
fra 819,-
Tilgjengelig i 2 butikker
Frakt og levering
Forhåndsbestill
Frakt og levering
Beskrivelse
Fundamental theory and practical algorithms of weakly supervised classification, emphasizing an approach based on empirical risk minimization.Standard machine learning techniques require large amounts of labeled data to work well. When we apply machine learning to problems in the physical world, however, it is extremely difficult to collect such quantities of labeled data. In this book Masashi Sugiyama, Han Bao, Takashi Ishida, Nan Lu, Tomoya Sakai and Gang Niu present theory and algorithms for weakly supervised learning, a paradigm of machine learning from weakly labeled data. Emphasizing an approach based on empirical risk minimization and drawing on state-of-the-art research in weakly supervised learning, the book provides both the fundamentals of the field and the advanced mathematical theories underlying them. It can be used as a reference for practitioners and researchers and in the classroom.The book first mathematically formulates classification problems, defines common notations, and reviews various algorithms for supervised binary and multiclass classification. It then explores problems of binary weakly supervised classification, including positive-unlabeled (PU) classification, positive-negative-unlabeled (PNU) classification, and unlabeled-unlabeled (UU) classification. It then turns to multiclass classification, discussing complementary-label (CL) classification and partial-label (PL) classification. Finally, the book addresses more advanced issues, including a family of correction methods to improve the generalization performance of weakly supervised learning and the problem of class-prior estimation.

Produktinformasjon

Oppdag kraften i maskinlæring med Machine Learning From Weak Supervision Av Masashi Sugiyama, Han Bao

I en verden der datainnsamling kan være en av de største utfordringene, tilbyr Machine Learning From Weak Supervision en uvurderlig ressurs til både forskere og praktikere. Denne boken dykker inn i fundamentene og de praktiske algoritmene for svak overvåking, og gir deg verktøyene du trenger for å forstå hvordan maskinlæring kan anvendes med begrenset merking av data.

Hva du kan forvente av denne boken

  • Omfattende teorier: Boken presenterer både teoretiske rammeverk og avanserte matematiske teorier bak svak overvåking.
  • Praktiske algoritmer: Lær om algoritmene som kan brukes for å håndtere problemer med både binær og multiklassifisering.
  • Moderne tilnærming: Emner som positive-uerkjente og delvis merkede klassifiseringsmetoder blir grundig forklart.
  • Fokus på empirisk risikominimering: En nærmere titt på hvordan empirisk risikominimering kan forbedre klassifiseringsresultater.

Ideell for både studenter og profesjonelle

Machine Learning From Weak Supervision fungerer perfekt som et oppslagsverk for studenter i klasserommet, mens den også er et uvurderlig verktøy for forskere som ønsker å implementere nye metoder i praksis. Uansett om du er ny i feltet eller en erfaren forsker, vil denne boken gi deg innsikt i de nyeste fremskrittene innen svak overvåking.

Kjenne dybden av svak overvåking

Med dekning av problemstillinger fra positiv-uerkjent klassifisering til mer komplekse multiklassifikasjonsmetoder, er dette en bok som tar både nybegynnere og eksperter med på en lærerik reise. Tenk på det som en guide gjennom en ukjent skog av data, hvor hver side lyser opp stien foran deg.

Ikke gå glipp av sjansen til å utvide din forståelse av maskinlæring. Med en kombinasjon av teoretiske og praktiske aspekter, setter Machine Learning From Weak Supervision deg i førersetet for fremtidens teknologi. Grip sjansen til å lære av de beste i bransjen med denne innovative boken!

Spesifikasjon

Produkt
ProduktnavnMachine Learning from Weak Supervision An Empirical Risk Minimization Approach
MerkeOther Brand

Pris og prishistorikk

Akkurat nå er 819,- den billigste prisen for Machine Learning From Weak Supervision Av Masashi Sugiyama, Han Bao blant 2 butikker hos Prisradar. Sjekk også vår topp 5-rangering av beste data og informasjonsteknologi for å være sikker på at du gjør det beste kjøpet.

Prisutvikling:
Stabil
Laveste pris:
655,-
Gjennomsnittspris:
713,-
Høyeste pris:
819,-
Beste tilbudet:
norli.no
Tilgjengelig