機器學習中的樣例選擇

　　隨著數(shù)據(jù)存儲技術、網(wǎng)絡技術和云計算技術的快速發(fā)展， 數(shù)據(jù)正以前所未有的速度在不斷地增長和積累。在各種實際應用中， 需要處理的數(shù)據(jù)量越來越大。 而樣例選擇就是從包括冗余或噪聲的海量數(shù)據(jù)中選擇重要數(shù)據(jù)的技術， 是機器學習的重要數(shù)據(jù)預處理步驟， 對后續(xù)學習算法的訓練及性能有很大的影響. 在機器學習中， 樣例選擇有兩種場景：一是主動學習場景， 二是監(jiān)督學習場景. 《機器學習中的樣例選擇》結合作者及研究團隊近年來關于樣例選擇的研究成果， 系統(tǒng)介紹了兩種場景下樣例選擇的理論和方法以及兩種場景下樣例選擇之間的區(qū)別與聯(lián)系。另外，《機器學習中的樣例選擇》內容涵還蓋了樣例選擇的最新研究進展。

　　翟俊海：：：：：：： 翟俊海：河北大學教授，博士生導師，河北省機器學習與計算智能重點實驗室主任，河北省機器學習學會理事長，河北省高校大數(shù)據(jù)教育聯(lián)盟專家委員會委員，河北大學學術委員會委員。中國人工智能學會知識工程與分布智能專業(yè)委員會委員、粒計算與知識發(fā)現(xiàn)專業(yè)委員會委員。主要研究方向為大數(shù)據(jù)處理、機器學習、深度學習。近5年主持和主研國家和省部級科研項目7項。發(fā)表學術論文70余篇，其中SCI檢索17篇，ESI高被引論文2篇。獲河北省自然科學三等獎1項（排名第2）。