Grundkurs Machine Learning
Rheinwerk (Verlag)
978-3-8362-7598-9 (ISBN)
- Mathematische Grundlagen des maschinellen Lernens
- Alle wichtigen Algorithmen Schritt für Schritt erklärt
- Inkl. Reinforcment Learning, k-Nearest Neighbors, Neuronale Netze u. v. m.
Maschinelles Lernen – alle Grundlagen!
Paul Wilmott ist für seine erhellende und unterhaltsame Darstellung angewandter Mathematik bekannt. Von der linearen Regression bis zu Neuronalen Netzwerken führt er Sie durch alle Verfahren, und zwar komplett Software-unabhängig. Der Vorteil dabei: Jeder Schritt ist schwarz auf weiß zu sehen, kein Framework kann etwas „verstecken“, es geht immer um die Sache selbst. Mit vielen Beispielen, Grafiken und Schritt-für-Schritt-Kästen. Für alle, die wirklich verstehen wollen, wie Maschinen lernen.
Aus dem Inhalt:
Lineare Regression
k-Nearest Neighbors
Naive Bayes-Klassifikatoren
k-Means-Algorithmus
Support Vector Machines
Logistische Regression
Selbstorganisierende Karten
Entscheidungsbäume
Reinforcement Learning
Neuronale Netze
Paul Wilmott vermittelt angewandte Mathematik – mit Kultstatus! Seine unverwechselbaren Einführungen bringen seit Jahrzehnten Licht in finanzmathematische Modelle, Derivatehandel, Risikobewertung und Co. Wilmott forscht, lehrt und schreibt nicht nur, er war auch schon als Profi-Jongleur und als Under-Cover-Ermittler für den britischen Sender Channel 4 im Einsatz, arbeitet für das CQF-Institut (Quantitative Finance) und für die Bildungsinitiative »Math on Toast« (Mathematik für Familien).
Vorwort ... 13
1. Einführung ... 17
1.1 ... Maschinelles Lernen ... 18
1.2 ... Lernen ist der Schlüssel ... 19
1.3 ... Ein wenig Geschichte ... 20
1.4 ... Schlüsselmethodiken in diesem Buch ... 22
1.5 ... Klassische mathematische Modellierung ... 26
1.6 ... Maschinelles Lernen ist anders ... 28
1.7 ... Einfachheit führt zu Komplexität ... 29
1.8 ... Weiterführende Literatur ... 33
2. Allgemeines ... 35
2.1 ... Jargon und Notation ... 35
2.2 ... Skalierung ... 37
2.3 ... Distanzmessung ... 38
2.4 ... Fluch der Dimensionalität ... 39
2.5 ... Hauptkomponentenanalyse ... 39
2.6 ... Maximum-Likelihood-Schätzung ... 40
2.7 ... Konfusionsmatrix ... 44
2.8 ... Kostenfunktion ... 47
2.9 ... Gradientenabstieg ... 52
2.10 ... Training, Testen und Validieren ... 54
2.11 ... Bias und Varianz ... 57
2.12 ... Lagrange-Multiplikatoren ... 63
2.13 ... Mehrfachklassen ... 65
2.14 ... Informationstheorie und Entropie ... 67
2.15 ... Verarbeitung natürlicher Sprache (NLP) ... 70
2.16 ... Bayes-Theorem ... 72
2.17 ... Was nun? ... 73
2.18 ... Weiterführende Literatur ... 74
3. K-nächste Nachbarn ... 75
3.1 ... Wofür können wir die Methode verwenden? ... 75
3.2 ... Wie die Methode funktioniert ... 76
3.3 ... Der Algorithmus ... 78
3.4 ... Probleme mit KNN ... 78
3.5 ... Beispiel: Körpergröße und -gewicht ... 79
3.6 ... Regression ... 83
3.7 ... Weiterführende Literatur ... 85
4. K-Means Clustering ... 87
4.1 ... Wofür können wir die Methode verwenden? ... 87
4.2 ... Was macht K-Means Clustering? ... 89
4.3 ... Scree-Plots ... 93
4.4 ... Beispiel: Kriminalität in England, 13 Dimensionen ... 94
4.5 ... Beispiel: Volatiliät ... 98
4.6 ... Beispiel: Zinssatz und Inflation ... 100
4.7 ... Beispiel: Zinssätze, Inflation und BIP-Wachstum ... 103
4.8 ... Ein paar Kommentare ... 104
4.9 ... Weiterführende Literatur ... 105
5. Naiver Bayes-Klassifikator ... 107
5.1 ... Wofür können wir ihn verwenden? ... 107
5.2 ... Verwendung des Bayes-Theorems ... 108
5.3 ... Anwendung des NBK ... 108
5.4 ... In Symbolen ... 110
5.5 ... Beispiel: Politische Reden ... 111
5.6 ... Weiterführende Literatur ... 114
6. Regressionsmethoden ... 115
6.1 ... Wofür können wir sie verwenden? ... 115
6.2 ... Mehrdimensionale lineare Regression ... 116
6.3 ... Logistische Regression ... 117
6.4 ... Beispiel: Noch einmal politische Reden ... 119
6.5 ... Weitere Regressionsmethoden ... 121
6.6 ... Weiterführende Literatur ... 122
7. Support-Vektor-Maschinen ... 123
7.1 ... Wofür können wir sie verwenden? ... 123
7.2 ... Harte Ränder ... 123
7.3 ... Beispiel: Iris (Schwertlilie) ... 126
7.4 ... Lagrange-Multiplier-Version ... 128
7.5 ... Weiche Ränder ... 130
7.6 ... Kernel-Trick ... 132
7.7 ... Weiterführende Literatur ... 136
8. Selbstorganisierende Karten ... 137
8.1 ... Wofür können wir sie verwenden? ... 137
8.2 ... Die Methode ... 138
8.3 ... Der Lernalgorithmus ... 140
8.4 ... Beispiel: Gruppierung von Aktien ... 142
8.5 ... Beispiel: Abstimmungen im Unterhaus ... 147
8.6 ... Weiterführende Literatur ... 149
9. Entscheidungsbäume ... 151
9.1 ... Wofür können wir sie verwenden? ... 151
9.2 ... Beispiel: Zeitschriftenabo ... 153
9.3 ... Entropie ... 158
9.4 ... Überanpassung und Abbruchregeln ... 161
9.5 ... Zuschneiden ... 162
9.6 ... Numerische Merkmale/Attribute ... 162
9.7 ... Regression ... 164
9.8 ... Ausblick ... 171
9.9 ... Bagging und Random Forest ... 171
9.10 ... Weiterführende Literatur ... 172
10. Neuronale Netze ... 173
10.1 ... Wofür können wir sie verwenden? ... 173
10.2 ... Ein sehr einfaches Netzwerk ... 173
10.3 ... Universelles Approximations-Theorem ... 174
10.4 ... Ein noch einfacheres Netzwerk ... 176
10.5 ... Die mathematische Manipulation im D
| Erscheinungsdatum | 24.07.2020 |
|---|---|
| Reihe/Serie | Informatik verstehen | Rheinwerk Computing |
| Verlagsort | Bonn |
| Sprache | deutsch |
| Maße | 172 x 230 mm |
| Einbandart | kartoniert |
| Themenwelt | Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | Coder Coden • Deep learning • Hand-Buch Bücher lernen Studium Grundlagen Kurse W • Hand-Buch Bücher lernen Studium Grundlagen Kurse Workshops Tutorials Wissen Anleitung Training Ausbi • Hand-Buch Bücher lernen Studium Grundlagen Kurse Workshops Tutorials Wissen Anleitung Training Ausbildung • Hand-Buch Bücher lernen Studium Grundlagen Kurse W • Hand-Buch Bücher lernen Studium Grundlagen Kurse Workshops Tutorials Wissen Anleitung Training Ausbildung • Informatik verstehen • KI-Welt AI • Künstliche Intelligenz • Künstliche Intelligenz • Mathematik • Neuronale Netze • Programmierung Programmieren • Robotik • Software-Entwicklung |
| ISBN-10 | 3-8362-7598-8 / 3836275988 |
| ISBN-13 | 978-3-8362-7598-9 / 9783836275989 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
