Matematikçiler için makine öğrenmesine giriş


23

Bazı açılardan bu, math.stackexchange'teki bir el kitabımdır ve bu sitenin geniş bir izleyici kitlesi sağlayabileceği hissine sahibim.

Makine öğrenmeye matematiksel bir giriş yapıyorum. Özellikle, bulunabilecek birçok literatür göreceli olarak kesin değildir ve pek çok sayfa herhangi bir içerik olmadan harcanmaktadır.

Bununla birlikte, böyle bir literatürden yola çıkarak , Bishop'ın örüntü tanıma kitabı ve son olarak da Smola'nın bir kitabı olan Andrew Ng'den Coursera kurslarını keşfettim . Ne yazık ki, Smola kitabı sadece taslak halindedir. Smola'nın kitabında bana hitap eden kanıtlar bile bulunabilir. Piskopos'un kitabı zaten oldukça iyi, ancak belirli bir titizlik eksik.

Kısacası: Smola'nınki gibi bir kitabı arıyorum, yani olabildiğince kesin ve titiz ve matematiksel bir arka plan kullanıyor (kısa tanıtımların elbette tamam olmasına rağmen).

Herhangi bir tavsiye?


1
Gelecekte lütfen crosspost yapmayın.
Momo

Soru bitmemiş gibi görünüyor - "ve" den sonra kopuyor.
JW

üzgünüm, bir şekilde düzenlemem ortadan kayboldu.
Quickbeam2k1 25-15

1
bir matematikçinin, insanların sizi doğru yöne yönlendirmelerine yardımcı olacak makine öğrenmeyi (veri bilimcisi olarak bir işi bulmak / araştırma yapmak vb.) öğrenmek istediğini açıklamak isteyebilirsiniz
seanv507

1
veri bilimi için temel istatistik anlayışına (örneğin doğrusal / lojistik regresyon), deneysel tasarım-örneğin ab testlerine ve ek olarak bir öneri sistemi tekniklerine dair bir anlayışa ihtiyacınız olduğunu
savunacağım

Yanıtlar:


9

Tanımladığınız şey için, Mohri ve diğ. Bu bir lisans metnidir, ancak gerçekten iyi mezunlar içindir. Okunabilir ve matematiksel bir makine öğrenmesi tanımı (pac ve zayıf pac) dediğim şeyi bulduğum tek yer orası. Sadece bu sebeple okumaya değer. Ayrıca bir de matematik doktora yaptım. Yukarıda belirtilen kitapların çoğunu tanıyor ve hoşuma gidiyor. Özellikle geniş bir teknik ve fikir yelpazesi için ESL'ye düşkünüm, ancak çok fazla matematiği olan bir istatistik kitabı.


1
BTW, Schapire'in tezinde zayıf PAC'ın PAC'yi ima ettiğini kanıtladığını söylemiştim. Kanıtları güçlendirme tekniğine bağlı, bu yüzden teorik bir sorunun çok pratik bir sonuca nasıl yol açtığının güzel bir örneği.
meh

Yorumlarınız için teşekkürler. Daha sonra Mohri ve Shalev-Shwartz'ın kitapları ile çalıştıktan sonra ESL ile çalışacağımı düşünüyorum
Quickbeam2k1

12

İstatistiksel Öğrenme Öğelerini (ücretsiz PDF dosyası) tavsiye ederim . Yeterli matematiğe ve ilgili tüm tekniklere iyi bir giriş yapmıştır - tekniklerin neden işe yaradığı (ve ne zaman çalışmadıkları) ile ilgili bazı görüşler.

Ayrıca İstatistiksel Öğrenmeye Giriş (daha pratik olan - R'de nasıl yapılır ). İstatistiksel öğrenmeyi yürüten bir kursu vardır ; dersleri YouTube'da bulabilirsiniz (ve yine ücretsiz PDF).


3
Bu çok hoş bir öneri. Buna ek olarak, Yaser S. Abu-Mostafa'den "Veriden Öğrenme" yi öneririm. Çok teoriktir, ancak öğrenmenin fizibilitesi ve VC boyutu gibi konuları çok net bir şekilde açıklar. Videolar ve slaytlar çevrimiçi olarak kullanılabilir .
tiagotvv

Ben Yaser S. Abu-Mostafa'den "Veriden Öğrenme" önerisini ikinci olarak öğrendim. Kitap çok kısa ancak değerli bilgilerle doludur. Gerçekten de odaklanma, öğrenmenin ve karmaşıklığın fizibilitesine dayanıyor.
Vladislavs Dovgalecs

7

Muhtemelen Schölkopf ve Smola'dan Çekirdeklerle Öğrenme'yi seveceksiniz. Schölkopf'un çalışmalarının çoğu matematiksel olarak zordur.

Bu, muhtemelen ders kitapları yerine araştırma makalelerini okumaktan daha iyi olduğunuzu söyledi. Araştırma makaleleri, çoğu zaman ders kitaplarında bulunmayan türev ve yakınsama kanıtları, performansa bağlı sınırlar vb. İçerir. Başlamak için iyi bir yer , son derece saygın ve tamamen açık erişim olan Makine Öğrenimi Dergisi'dir . Ben de böyle konferanslarının tutanaklarını tavsiye ICML , NIPS , COLT ve IJCNN .


Dergi ile ilgili ipuçları için teşekkürler. Bununla birlikte, dergilerin benim için çok ileri düzeyde olduğundan korkuyorum. Bununla birlikte, bu migth gelecek için değerli bir kaynaktır.
Quickbeam2k1 25-15

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.