Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования

Машинное обучение часто используется для построения прогностических моделей путем извлечения шаблонов из больших наборов данных. Эти модели используются в приложениях для прогнозирования данных, включая прогнозирование цен, оценку риска, прогнозирование поведения клиентов и классификацию документов. Этот вводный учебник предлагает подробное и целенаправленное рассмотрение наиболее важных подходов к компьютерному обучению, используемых в интеллектуальном анализе данных, охватывающих как теоретические концепции, так и практические приложения. Формальный математический материал дополняется пояснительными примерами, а примеры исследований иллюстрируют применение этих моделей в более широком контексте бизнеса. После обсуждения перехода от подготовки данных до понимания решения в книге описываются четыре подхода к компьютерному обучению: информационное обучение, обучение на основе сходства, вероятностное обучение и обучение на основе ошибок. Описанию каждого из этих подходов предшествует объяснение основополагающей концепции, за которой следуют математические модели и алгоритмы, иллюстрированные подробными рабочими примерами. Наконец, в книге рассматриваются методы оценки моделей прогнозирования и предлагаются два тематических исследования, которые описывают конкретные проекты анализа данных на каждом этапе разработки, начиная от формулирования бизнес-задачи и заканчивая реализацией аналитического решения. Книга является результатом многолетней работы авторов в области машинного обучения и интеллектуального анализа данных и подходит для использования студентами в области информатики, инженерии, математики или статистики, аспирантами, специализирующимися в областях, связанных с интеллектуальным анализом данных, а также профессионалами в качестве справочника.

Дополнительные сведения:

Артикул: 3100598

ISBN: 978-5-6040044-9-4

Тип переплета: твердый

Тираж: 300

Название: Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования

Автор: Д. Д. Келлехер, Б. Мак-Нейми, А. д'Арси

Дополнительные сведения: [пер. с англ.Д. А. Клюшина]

Место издания: Москва ; Санкт-Петербург

Издатель: Диалектика

Дата издания: 2019

Количество страниц: 656

Высота, см.: 24

Ширина, см: 17

Толщина, см: 3,3

Вес в граммах: 1000