Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Spistreści
1Wprowadzenie
2Odalgorytmówuczącychsiędoalgorytmówmeta-uczenia
15
19
3Podstawymeta-uczenia
29
3.1Kroswalidacjaużywanadouczeniamaszyn.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
31
3.1.1Quasi-gradientowyalgorytmważeniacech.
.
.
.
.
.
.
.
.
.
.
.
.
32
3.1.1.1
Przykładyrezultatówuzyskanychalgorytmemważe-
niacech.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
35
3.1.2Zmodyfikowanyalgorytmuczeniamaszynwektorówwsparcia.
36
3.2Komitetymaszynimeta-uczenie.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
44
3.2.1
K-klasyfikatorów.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
46
3.2.2
K2-klasyfikatorów.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
3.2.3Podstawowetypymodułówdecyzyjnychkomitetówklasyfikują-
cych.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
3.2.4BoostingiAdaBoost.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
50
3.2.5Arcing.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
52
3.2.6RegionBoost.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
53
3.2.7Grading.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
53
3.2.8Stacking.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
53
3.2.9Heterogenicznekomitetyzkompetencją.
.
.
.
.
.
.
.
.
.
.
.
.
.
56
3.2.9.1
Komitetyhomo-czyheterogeniczne?.
.
.
.
.
.
.
.
.
.
56
3.2.9.2
Modułydecyzyjne.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
56
3.2.9.3
Sposobykorzystaniazkompetencjimaszyn.
.
.
.
.
.
.
57
3.2.9.4
Komitetykroswalidacyjneiichrolawestymacjiglo-
balnejkompetencji.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
58
3.2.9.5
Wyznaczeniekompetencjilokalnej.
.
.
.
.
.
.
.
.
.
.
.
58
3.2.9.6
Ważonalokalnakompetencja.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
59
3.2.9.7
Kompetencjalokalnaikomitetykroswalidacyjne.
.
.
59
3.2.9.8
Lokalnaważonakompetencjazkomitetamikroswali-
dacyjnymi.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
60
