خرید و دانلود نسخه کامل کتاب Statistical Learning Theory and Stochastic Optimization

توضیحاتی در مورد کتاب

تئوری یادگیری آماری با هدف تجزیه و تحلیل داده های پیچیده با مدل های لزوماً تقریبی است. این کتاب برای مخاطبانی با سابقه تحصیلات تکمیلی در نظریه احتمال و آمار در نظر گرفته شده است. برای هر خواننده ای که بداند چرا ممکن است ایده خوبی باشد، استفاده از یک مدل معروف “اشتباه” (یعنی بیش از حد ساده شده) برای پیش بینی، تخمین یا طبقه بندی، ایده خوبی باشد. ریشه های آن در سه زمینه: تئوری اطلاعات، مکانیک آماری، و قضایای PAC-Bayesian. نتایج مربوط به انحرافات بزرگ مسیر زنجیره های مارکوف با انتقال نادر نیز شامل می شود. آنها به منظور ارائه درک بهتری از الگوریتم های بهینه سازی تصادفی رایج هستند. در برآوردگرهای محاسباتی. نویسنده بر روی مرزهای غیر مجانبی ریسک آماری تمرکز می‌کند، و به فرد اجازه می‌دهد تا بین خانواده‌های غنی و ساختاریافته مدل‌ها و برآوردگرهای متناظر به‌طور تطبیقی ​​یکی را انتخاب کند. دو شیء ریاضی کتاب را فراگرفته است: آنتروپی و معیارهای گیبس. هدف نشان دادن است. چگونه می توان آنها را به ابزارهای فنی همه کاره و کارآمد تبدیل کرد که باعث تحریک مطالعات و نتایج بیشتر می شود.