Algorithmic Learning in a Random World (eBook)
XVI, 324 Seiten
Springer US (Verlag)
978-0-387-25061-8 (ISBN)
Algorithmic Learning in a Random World describes recent theoretical and experimental developments in building computable approximations to Kolmogorov's algorithmic notion of randomness. Based on these approximations, a new set of machine learning algorithms have been developed that can be used to make predictions and to estimate their confidence and credibility in high-dimensional spaces under the usual assumption that the data are independent and identically distributed (assumption of randomness). Another aim of this unique monograph is to outline some limits of predictions: The approach based on algorithmic theory of randomness allows for the proof of impossibility of prediction in certain situations. The book describes how several important machine learning problems, such as density estimation in high-dimensional spaces, cannot be solved if the only assumption is randomness.
Preface.- List of Principal results.- Introduction.- Conformal prediction.- Classification with conformal predictors.-Modifications of conformal predictors.- Probabilistic prediction I: impossibility results.- Probabilistic prediction II: Venn predictors.- Beyond exchangeability.- On-line compression modeling I: conformal prediction.- On-line compression modeling II: Venn prediction.- Perspectives and contrasts.- Appendix A: Probability theory.- Appendix B: Data sets.- Appendix C: FAQ.- Notation.- References.- Index
| Erscheint lt. Verlag | 5.12.2005 |
|---|---|
| Zusatzinfo | XVI, 324 p. 62 illus. |
| Verlagsort | New York |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Algorithmen |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | algorithms • Approximation • classification • Conformal prediction • learning • machine learning • Modeling • randomness • Regression |
| ISBN-10 | 0-387-25061-1 / 0387250611 |
| ISBN-13 | 978-0-387-25061-8 / 9780387250618 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 15,7 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
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 dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
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 dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
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
