Analysis of Rare Categories (eBook)
VIII, 136 Seiten
Springer Berlin (Verlag)
978-3-642-22813-1 (ISBN)
In many real-world problems, rare categories (minority classes) play essential roles despite their extreme scarcity. The discovery, characterization and prediction of rare categories of rare examples may protect us from fraudulent or malicious behavior, aid scientific discovery, and even save lives.
This book focuses on rare category analysis, where the majority classes have smooth distributions, and the minority classes exhibit the compactness property. Furthermore, it focuses on the challenging cases where the support regions of the majority and minority classes overlap. The author has developed effective algorithms with theoretical guarantees and good empirical results for the related techniques, and these are explained in detail. The book is suitable for researchers in the area of artificial intelligence, in particular machine learning and data mining.
Dr. Jingrui He received her PhD from Carnegie Mellon University. She is a researcher in the Machine Learning Group of the IBM T.J. Watson Research Center. Her research interests include rare category analysis, active learning, semisupervised learning, transfer learning and spam filtering.
Dr. Jingrui He received her PhD from Carnegie Mellon University. She is a researcher in the Machine Learning Group of the IBM T.J. Watson Research Center. Her research interests include rare category analysis, active learning, semisupervised learning, transfer learning and spam filtering.
Introduction.- Survey and Overview.- Rare Category Detection.- Rare Category Characterization.- Unsupervised Rare Category Analysis.- Conclusion and Future Directions.
| Erscheint lt. Verlag | 5.1.2012 |
|---|---|
| Reihe/Serie | Cognitive Technologies | Cognitive Technologies |
| Zusatzinfo | VIII, 136 p. |
| Verlagsort | Berlin |
| Sprache | englisch |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Informatik ► Theorie / Studium ► Algorithmen | |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | Data Analysis • Data Mining • Feature Selection • machine learning • Majority class • Minority class • Rare category |
| ISBN-10 | 3-642-22813-5 / 3642228135 |
| ISBN-13 | 978-3-642-22813-1 / 9783642228131 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 1,5 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
