توضیحات
‘The most basic problem of engineering is the design of optimal operators. Design takes different forms depending on the random process constituting the scientific model and the operator class of interest. This book treats classification, where the underlying random process is a feature-label distribution, and an optimal operator is a Bayes classifier, which is a classifier minimizing the classification error. With sufficient knowledge we can construct the feature-label distribution and thereby find a Bayes classifier. Rarely, do we possess such knowledge. On the other hand, if we had unlimited data, we could accurately estimate the feature-label distribution and obtain a Bayes classifier. Rarely do we possess sufficient data. The aim of this book is to best use whatever knowledge and data are available to design a classifier. The book takes a Bayesian approach to modeling the feature-label distribution and designs an optimal classifier relative to a posterior distribution governing an uncertainty class of feature-label distributions. In this way it takes full advantage of knowledge regarding the underlying system and the available data. Its origins lie in the need to estimate classifier error when there is insufficient data to hold out test data, in which case an optimal error estimate can be obtained relative to the uncertainty class. A natural next step is to forgo classical ad hoc classifier design and simply find an optimal classifier relative to the posterior distribution over the uncertainty class-this being an optimal Bayesian classifier’
————————————————————–
ترجمه ماشینی :
اساسی ترین مشکل مهندسی طراحی اپراتورهای بهینه است. بسته به فرآیند تصادفی که مدل علمی و کلاس عملگر مورد علاقه را تشکیل می دهد، طراحی اشکال مختلفی دارد. این کتاب به طبقهبندی میپردازد، که در آن فرآیند تصادفی زیربنایی یک توزیع برچسب ویژگی است، و یک عملگر بهینه یک طبقهبندی کننده Bayes است، که طبقهبندیکنندهای است که خطای طبقهبندی را به حداقل میرساند. با دانش کافی میتوانیم توزیع برچسب ویژگی را بسازیم و در نتیجه یک طبقهبندی کننده بیز پیدا کنیم. به ندرت چنین دانشی داریم. از سوی دیگر، اگر دادههای نامحدودی داشتیم، میتوانستیم توزیع ویژگی-برچسب را به دقت تخمین بزنیم و یک طبقهبندی کننده بیز به دست آوریم. به ندرت اطلاعات کافی در اختیار داریم. هدف این کتاب استفاده بهینه از دانش و داده های موجود برای طراحی یک طبقه بندی است. این کتاب یک رویکرد بیزی برای مدلسازی توزیع برچسب ویژگی دارد و یک طبقهبندی بهینه را نسبت به توزیع پسینی طراحی میکند که بر کلاس عدم قطعیت توزیعهای برچسب ویژگی حاکم است. به این ترتیب از دانش مربوط به سیستم زیربنایی و داده های موجود بهره کامل می برد. منشأ آن در نیاز به تخمین خطای طبقهبندی کننده زمانی است که دادههای کافی برای نگهداری دادههای آزمون وجود ندارد، در این صورت میتوان تخمین خطای بهینه را نسبت به کلاس عدم قطعیت به دست آورد. گام بعدی طبیعی این است که از طراحی طبقهبندیکننده موقت کلاسیک چشمپوشی کنید و به سادگی یک طبقهبندیکننده بهینه نسبت به توزیع پسین بر روی کلاس عدم قطعیت پیدا کنید – این طبقهبندیکننده بیزی بهینه است.
tag : دانلود کتاب طبقه بندی بیزی بهینه , Download طبقه بندی بیزی بهینه , دانلود طبقه بندی بیزی بهینه , Download Optimal Bayesian classification Book , طبقه بندی بیزی بهینه دانلود , buy طبقه بندی بیزی بهینه , خرید کتاب طبقه بندی بیزی بهینه , دانلود کتاب Optimal Bayesian classification , کتاب Optimal Bayesian classification , دانلود Optimal Bayesian classification , خرید Optimal Bayesian classification , خرید کتاب Optimal Bayesian classification ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.