Hodnocení:
Kniha poskytuje komplexní zkoumání rodiny algoritmů AdaBoost se silným důrazem na matematické základy a přísné důkazy. Přestože slouží jako autoritativní zdroj informací o boostování, vyžaduje značnou investici času a úsilí pro její přečtení a pochopení. Nejlépe se hodí pro čtenáře se solidními znalostmi strojového učení a matematiky, protože nemusí vyhovovat amatérům nebo těm, kteří hledají rychlé praktické implementace.
Klady:⬤ Komplexní pokrytí boostování, sepsané původními vynálezci
⬤ nabízí hluboké teoretické poznatky
⬤ vynikající strukturu a přehlednost
⬤ přísné důkazy a důkladná vysvětlení
⬤ přístupné i těm, kteří mají předchozí znalosti
⬤ považováno za mistrovské dílo v literatuře o strojovém učení.
⬤ Hutná a náročná na pochopení pro ty, kdo nemají předchozí znalosti
⬤ velké zaměření na matematickou teorii s omezeným množstvím praktických příkladů
⬤ může být frustrující pro čtenáře, kteří hledají rychlé nebo praktické aplikace
⬤ některý obsah považují někteří recenzenti za nadbytečný a neužitečný.
(na základě 21 hodnocení čtenářů)
Boosting: Foundations and Algorithms
Přístupný úvod a základní reference k přístupu ke strojovému učení, který vytváří vysoce přesná predikční pravidla kombinací mnoha slabých a nepřesných pravidel.
Boosting je přístup ke strojovému učení založený na myšlence vytvoření vysoce přesného prediktoru kombinací mnoha slabých a nepřesných "pravidel". Kolem boostingu se vyvinula pozoruhodně bohatá teorie s vazbami na řadu témat, včetně statistiky, teorie her, konvexní optimalizace a informační geometrie. Boostovací algoritmy se také těší praktickému úspěchu v takových oblastech, jako je biologie, vidění a zpracování řeči. V různých obdobích své historie byl boosting vnímán jako záhadný, kontroverzní, dokonce paradoxní.
Tato kniha, napsaná vynálezci této metody, shromažďuje, organizuje, zjednodušuje a podstatně rozšiřuje dvě desetiletí výzkumu boostování a představuje teorii i aplikace způsobem, který je přístupný čtenářům z různých oborů a zároveň poskytuje autoritativní příručku pro pokročilé výzkumníky. Díky úvodnímu zpracování veškerého materiálu a zařazení cvičení do každé kapitoly je kniha vhodná i pro použití v kurzech.
Kniha začíná obecným úvodem do algoritmů strojového učení a jejich analýzy.
Poté se zabývá základní teorií boostování, zejména jeho schopností zobecňovat.
Zkoumá některé z nesčetných dalších teoretických pohledů, které pomáhají vysvětlit a pochopit boosting.
Poskytuje praktická rozšíření boostingu pro složitější problémy učení.
A nakonec představuje řadu pokročilých teoretických témat. V celé knize jsou uvedeny četné aplikace a praktické ilustrace.