Descripción
En la década de 1990, se desarrolló un nuevo tipo de algoritmo de aprendizaje, basado en los resultados de la teoría del aprendizaje estadístico: la máquina de vectores de soporte (SVM). Esto dio lugar a una nueva clase de máquinas de aprendizaje teóricamente elegantes que utilizan un concepto central de las SVM (kernels) para una serie de tareas de aprendizaje. Las máquinas kernel proporcionan un marco modular que puede adaptarse a diferentes tareas y dominios mediante la elección de la función kernel y el algoritmo base. Están reemplazando a las redes neuronales en una variedad de campos, incluyendo la ingeniería, la recuperación de información y la bioinformática.
Learning with Kernels ofrece una introducción a las SVM y a los métodos de kernel relacionados. Aunque el libro comienza con los conceptos básicos, también incluye las últimas investigaciones. Proporciona todos los conceptos necesarios para que un lector con algunos conocimientos matemáticos básicos pueda adentrarse en el mundo del aprendizaje automático utilizando algoritmos kernel teóricamente bien fundamentados pero fáciles de usar, y para comprender y aplicar los potentes algoritmos que se han desarrollado en los últimos años.
Autor: Bernhard Scholkopf, Alexander J. Smola
Editorial: MIT Press
Publicado: 05/06/2018
Páginas: 648
Tipo de encuadernación: Tapa blanda
Peso: 2.78lbs
Tamaño: 10.00h x 8.00w x 1.30d
ISBN13: 9780262536578
ISBN10: 0262536579
Categorías BISAC:
- Computadoras | Ciencias de la Computación
- Matemáticas | General
Sobre el autor
Bernhard Schölkopf es director del Instituto Max Planck para Sistemas Inteligentes en Tubinga, Alemania. Es coautor de Learning with Kernels (2002) y coeditor de Advances in Kernel Methods: Support Vector Learning (1998), Advances in Large-Margin Classifiers (2000) y Kernel Methods in Computational Biology (2004), todos publicados por MIT Press.