An Elementary Introduction to Statistical Learning Theory (eBook)
232 Seiten
John Wiley & Sons (Verlag)
978-1-118-02346-4 (ISBN)
role in understanding human learning and inductive
reasoning
A joint endeavor from leading researchers in the fields of
philosophy and electrical engineering, An Elementary
Introduction to Statistical Learning Theory is a comprehensive
and accessible primer on the rapidly evolving fields of statistical
pattern recognition and statistical learning theory. Explaining
these areas at a level and in a way that is not often found in
other books on the topic, the authors present the basic theory
behind contemporary machine learning and uniquely utilize its
foundations as a framework for philosophical thinking about
inductive inference.
Promoting the fundamental goal of statistical learning, knowing
what is achievable and what is not, this book demonstrates the
value of a systematic methodology when used along with the needed
techniques for evaluating the performance of a learning system.
First, an introduction to machine learning is presented that
includes brief discussions of applications such as image
recognition, speech recognition, medical diagnostics, and
statistical arbitrage. To enhance accessibility, two chapters on
relevant aspects of probability theory are provided. Subsequent
chapters feature coverage of topics such as the pattern recognition
problem, optimal Bayes decision rule, the nearest neighbor rule,
kernel rules, neural networks, support vector machines, and
boosting.
Appendices throughout the book explore the relationship between
the discussed material and related topics from mathematics,
philosophy, psychology, and statistics, drawing insightful
connections between problems in these areas and statistical
learning theory. All chapters conclude with a summary section, a
set of practice questions, and a reference sections that supplies
historical notes and additional resources for further study.
An Elementary Introduction to Statistical Learning Theory
is an excellent book for courses on statistical learning theory,
pattern recognition, and machine learning at the
upper-undergraduate and graduate levels. It also serves as an
introductory reference for researchers and practitioners in the
fields of engineering, computer science, philosophy, and cognitive
science that would like to further their knowledge of the
topic.
SANJEEV KULKARNI, PhD, is Professor in the Department of Electrical Engineering at Princeton University, where he is also an affiliated faculty member in the Department of Operations Research and Financial Engineering and the Department of Philosophy. Dr. Kulkarni has published widely on statistical pattern recognition, nonparametric estimation, machine learning, information theory, and other areas. A Fellow of the IEEE, he was awarded Princeton University's President's Award for Distinguished Teaching in 2007. GILBERT HARMAN, PhD, is James S. McDonnell Distinguished University Professor in the Department of Philosophy at Princeton University. A Fellow of the Cognitive Science Society, he is the author of more than fifty published articles in his areas of research interest, which include ethics, statistical learning theory, psychology of reasoning, and logic.
"The main focus of the book is on the ideas behind basic
principles of learning theory and I can strongly recommend the book
to anyone who wants to comprehend these ideas."
(Mathematical Reviews, 1 January 2013)
"It also serves as an introductory reference for
researchers and practitioners in the fields of engineering,
computer science, philosophy, and cognitive science that would like
to further their knowledge of the topic."
(Zentralblatt MATH, 2012)
| Erscheint lt. Verlag | 9.6.2011 |
|---|---|
| Reihe/Serie | Wiley Series in Probability and Statistics | Wiley Series in Probability and Statistics |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
| Technik | |
| Schlagworte | Computational & Graphical Statistics • Data Mining • Data Mining Statistics • Electrical & Electronics Engineering • Elektrotechnik u. Elektronik • Mustererkennung • Pattern Analysis • Rechnergestützte u. graphische Statistik • Rechnergestützte u. graphische Statistik • Statistics • Statistik |
| ISBN-10 | 1-118-02346-3 / 1118023463 |
| ISBN-13 | 978-1-118-02346-4 / 9781118023464 |
| Haben Sie eine Frage zum Produkt? |
PDF (Adobe DRM)Größe: 2,0 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
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 eine
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 eine
Geräteliste und zusätzliche Hinweise
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.
EPUB (Adobe DRM)Größe: 3,2 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
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 eine
Geräteliste und zusätzliche Hinweise
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
