機器學習的PAC-Bayes理論評價及應用

　　本書由基礎理論和應用實踐兩大部分組成，書中分析了計算學習理論及PAC可學習框架，剖析了PACBayes理論的內(nèi)涵，并在闡述統(tǒng)計學習理論和支持向量機基本原理的基礎上，論述了PACBayes邊界應用于支持向量機算法的相關推論。 \n書中討論了結(jié)合再生核希爾伯特空間和馬爾科夫鏈蒙特卡洛方法，實現(xiàn)PACBayes邊界的計算。 \n同時，介紹了目前各種機器學習算法上的PACBayes泛化誤差邊界，以及PACBayes理論在機器學習中的各種應用。 \n最后，將機器學習算法與PACBayes理論運用于Web文檔評價、蛋白質(zhì)預測、空氣質(zhì)量預測、京津冀一體化研究、高?？蒲腥瞬旁u價、中國貨幣供應量等研究實例中。 \n本書具有較強的理論性和系統(tǒng)性，對重要的理論和方法進行了分析；同時具有較強的邏輯性，突出重點，條理清晰，由淺入深，從理論到實踐。本書剖析了算法實現(xiàn)，給出了實驗設計與結(jié)果，具有較強的實踐特色。 \n本書可以作為計算機、信息科學等相關專業(yè)高年級本科生和研究生的參考書或教材，也可以作為教師、科研人員和相關培訓機構(gòu)的參考書。 \n本書定位于希望快速學習機器學習，人工智能，模式識別，計算學習理論的初、中級用戶和自學者。 \n同時，本書對于機器學習、人工智能、模式識別等領域的研發(fā)人員也具有很好的參考價值。 \n\n

暫缺《機器學習的PAC-Bayes理論評價及應用》作者簡介