• صفحه اصلی
  • جستجوی پیشرفته
  • فهرست کتابخانه ها
  • درباره پایگاه
  • ارتباط با ما
  • تاریخچه

عنوان
Model selection and error estimation in a nutshell /

پدید آورنده
Luca Oneto.

موضوع
Algorithms.,Computational learning theory.,Machine learning.,Algorithms.,Computational learning theory.,Machine learning.

رده
Q325
.
5

کتابخانه
مرکز و کتابخانه مطالعات اسلامی به زبان‌های اروپایی

محل استقرار
استان: قم ـ شهر: قم

مرکز و کتابخانه مطالعات اسلامی به زبان‌های اروپایی

تماس با کتابخانه : 32910706-025

شابک

شابک
3030243591
شابک
9783030243593
شابک اشتباه
9783030243586

عنوان و نام پديدآور

عنوان اصلي
Model selection and error estimation in a nutshell /
نام عام مواد
[Book]
نام نخستين پديدآور
Luca Oneto.

وضعیت نشر و پخش و غیره

محل نشرو پخش و غیره
Cham, Switzerland :
نام ناشر، پخش کننده و غيره
Springer Nature,
تاریخ نشرو بخش و غیره
[2020]
تاریخ نشرو بخش و غیره
©2020

مشخصات ظاهری

نام خاص و کميت اثر
1 online resource.

فروست

عنوان فروست
Modeling and optimization in science and technologies ;
مشخصه جلد
v. 15

یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر

متن يادداشت
Includes bibliographical references and index.

یادداشتهای مربوط به مندرجات

متن يادداشت
Introduction -- The "Five W" of MS & EE -- Preliminaries -- Resampling Methods -- Complexity-Based Methods -- Compression Bound -- Algorithmic Stability Theory -- PAC-Bayes Theory -- Differential Privacy Theory -- Conclusions & Further Readings.
بدون عنوان
0

یادداشتهای مربوط به خلاصه یا چکیده

متن يادداشت
How can we select the best performing data-driven model? How can we rigorously estimate its generalization error? Statistical learning theory answers these questions by deriving non-asymptotic bounds on the generalization error of a model or, in other words, by upper bounding the true error of the learned model based just on quantities computed on the available data. However, for a long time, Statistical learning theory has been considered only an abstract theoretical framework, useful for inspiring new learning approaches, but with limited applicability to practical problems. The purpose of this book is to give an intelligible overview of the problems of model selection and error estimation, by focusing on the ideas behind the different statistical learning theory approaches and simplifying most of the technical aspects with the purpose of making them more accessible and usable in practice. The book starts by presenting the seminal works of the 80's and includes the most recent results. It discusses open problems and outlines future directions for research.

یادداشتهای مربوط به سفارشات

منبع سفارش / آدرس اشتراک
Springer Nature
شماره انبار
com.springer.onix.9783030243593

موضوع (اسم عام یاعبارت اسمی عام)

موضوع مستند نشده
Algorithms.
موضوع مستند نشده
Computational learning theory.
موضوع مستند نشده
Machine learning.
موضوع مستند نشده
Algorithms.
موضوع مستند نشده
Computational learning theory.
موضوع مستند نشده
Machine learning.

رده بندی ديویی

شماره
006
.
31
ويراست
23

رده بندی کنگره

شماره رده
Q325
.
5

نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )

مستند نام اشخاص تاييد نشده
Oneto, Luca

مبدا اصلی

تاريخ عمليات
20200823093154.0
قواعد فهرست نويسي ( بخش توصيفي )
pn

دسترسی و محل الکترونیکی

نام الکترونيکي
 مطالعه متن کتاب 

اطلاعات رکورد کتابشناسی

نوع ماده
[Book]

اطلاعات دسترسی رکورد

تكميل شده
Y

پیشنهاد / گزارش اشکال

اخطار! اطلاعات را با دقت وارد کنید
ارسال انصراف
این پایگاه با مشارکت موسسه علمی - فرهنگی دارالحدیث و مرکز تحقیقات کامپیوتری علوم اسلامی (نور) اداره می شود
مسئولیت صحت اطلاعات بر عهده کتابخانه ها و حقوق معنوی اطلاعات نیز متعلق به آنها است
برترین جستجوگر - پنجمین جشنواره رسانه های دیجیتال