توضیحات
This open access book provides an introduction and an overview of learning to quantify (a.k.a. quantification), i.e. the task of training estimators of class proportions in unlabeled data by means of supervised learning. In data science, learning to quantify is a task of its own related to classification yet different from it, since estimating class proportions by simply classifying all data and counting the labels assigned by the classifier is known to often return inaccurate (biased) class proportion estimates.
The book introduces learning to quantify by looking at the supervised learning methods that can be used to perform it, at the evaluation measures and evaluation protocols that should be used for evaluating the quality of the returned predictions, at the numerous fields of human activity in which the use of quantification techniques may provide improved results with respect to the naive use of classification techniques, and at advanced topics in quantification research.
The book is suitable to researchers, data scientists, or PhD students, who want to come up to speed with the state of the art in learning to quantify, but also to researchers wishing to apply data science technologies to fields of human activity (e.g., the social sciences, political science, epidemiology, market research) which focus on aggregate (macro) data rather than on individual (micro) data.
————————————————————–
ترجمه ماشینی :
این کتاب دسترسی آزاد مقدمه و مروری بر یادگیری کمیسازی (معروف به کمیتسازی) را ارائه میکند، یعنی وظیفه آموزش تخمینزنان نسبتهای کلاس در دادههای بدون برچسب با استفاده از یادگیری نظارت شده. در علم داده، یادگیری کمیسازی یک وظیفه خاص خود مربوط به طبقهبندی است، اما با آن متفاوت است، زیرا تخمین نسبتهای کلاس با طبقهبندی ساده همه دادهها و شمارش برچسبهای اختصاصدادهشده توسط طبقهبندیکننده، اغلب تخمینهای نسبت کلاسی نادرست (سوگیریشده) را برمیگرداند.
این کتاب با نگاهی به روشهای یادگیری نظارت شده که میتوان برای اجرای آن استفاده کرد، معیارهای ارزشیابی و پروتکلهای ارزشیابی که باید برای ارزیابی استفاده شود، یادگیری برای کمیسازی را معرفی میکند. کیفیت پیشبینیهای برگشتی، در زمینههای متعدد فعالیتهای انسانی که در آنها استفاده از تکنیکهای کمیسازی ممکن است نتایج بهبود یافتهای را با توجه به استفاده ساده از تکنیکهای طبقهبندی، و در موضوعات پیشرفته در تحقیقات کمیسازی ارائه دهد.
این کتاب برای محققان، دانشمندان داده، یا دانشجویان دکترا مناسب است، که میخواهند با پیشرفتهای روز در یادگیری کمیسازی سرعت پیدا کنند، اما همچنین برای محققانی که مایل به استفاده از فنآوریهای علم داده در زمینهها هستند، مناسب است. فعالیتهای انسانی (به عنوان مثال، علوم اجتماعی، علوم سیاسی، اپیدمیولوژی، تحقیقات بازار) که به جای دادههای فردی (خرد) بر دادههای کلان (کلان) تمرکز دارند.
< /span>
tag : دانلود کتاب آموزش کمی سازی , Download آموزش کمی سازی , دانلود آموزش کمی سازی , Download Learning to Quantify Book , آموزش کمی سازی دانلود , buy آموزش کمی سازی , خرید کتاب آموزش کمی سازی , دانلود کتاب Learning to Quantify , کتاب Learning to Quantify , دانلود Learning to Quantify , خرید Learning to Quantify , خرید کتاب Learning to Quantify ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.