Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
6
Spistreści
3.KrzyweROC.....................................................................90
4.Metodawektorównośnych...................................................107
4.1.Modelliniowy............................................................107
4.2.Modelnieliniowy........................................................114
4.3.ZagadnienieKklas......................................................116
4.4.VCwymiarizasadaSRM.............................................117
4.5.Optymalizacja...........................................................126
5.Metodanajbliższegosąsiada.................................................135
5.1.Miaraniepodobieństwa.................................................136
5.2.Estymacjafunkcjigęstości.............................................139
5.3.Własnościgraniczne.....................................................141
5.4.Metodyrozwiązywaniasytuacjiremisowych.........................144
5.5.Metodywyborureprezentatywnegopodzbioruobserwacji.........146
5.6.Uwagipraktyczne.......................................................151
6.Drzewaklasyfikacyjne.........................................................152
6.1.Konstrukcjadrzewaklasyfikacyjnego.................................156
6.2.Kryteriapodziału–metodaCART...................................159
6.3.Optymalnawielkośćdrzewaklasyfikacyjnego........................168
6.4.Kryteriapodziału–metodaQUEST.................................178
6.5.Brakującewartościcech................................................184
7.Siecineuronowe...............................................................187
7.1.Modeleneuronów........................................................189
7.1.1.Perceptron.......................................................192
7.1.2.ADALINE(ADAptiveLInearNEuron)......................203
7.1.3.Neuronsigmoidalny............................................207
7.1.4.NeuronHebba..................................................209
7.2.Sieciwielowarstwowe....................................................212
7.2.1.MADALINE(ManyADALINE’s)............................219
7.3.Metodyuczeniasiecineuronowych....................................219
7.3.1.Funkcjabłędu...................................................220
7.3.2.Ogólnaideaalgorytmówiteracyjnych........................221
7.3.3.Algorytmnajwiększegospadku...............................225
7.3.4.Algorytmwstecznejpropagacjibłędu........................226
7.3.5.ModyfikacjealgorytmuBP....................................228
7.3.6.Algorytmzmiennejmetryki...................................232
7.3.7.Metodagradientówsprzężonych..............................234
7.3.8.AlgorytmLevenberga–Marquardta...........................238
7.3.9.Rekurencyjnametodanajmniejszychkwadratów...........240
7.3.10.Algorytmsymulowanegowyżarzania.........................241
7.3.11.Algorytmyewolucyjneigenetyczne..........................243
