《集成学习：基础与算法》是目前国内独本系统性阐述集成学习的著作。
集成学习的思路是通过结合多个学习器来解决问题，集成学习在实践中大获成功——人称“从业者应学应会的大杀器”之一。
化繁为简：将复杂的原理简化为易于理解的表达，通俗易懂；
结构合理：兼具广度与深度。既阐述该领域的重要话题，又详释了重要算法的实现并辅以伪代码，更易上手；
注重实践：阐述集成学习在多个领域的应用，如计算机视觉、医疗、信息安全和数据挖掘竞赛等；
拓展阅读：提供丰富的参考资料，读者可按图索骥、自行深入学习；
新手通过《集成学习：基础与算法》很容易理解并掌握集成学习的思路与精粹；
老手通过《集成学习：基础与算法》能学会不少技巧并深化对集成学习的理论理解，更好地指导研究和实践。
集成学习方法是一类优选的机器学习方法，这类方法训练多个学习器并将它们结合起来解决一个问题，在实践中获得了巨大成功。全书分为三部分。部分主要介绍集成学习的背景知识；第二部分主要介绍集成学习方法的核心知识，包括Boosting、Bagging、Random Forests等经典算法，平均、投票和Stacking等模型和方法、相关理论分析工作，以及多样性度量和增强方面的进展。第三部分介绍集成学习方法的进阶议题，包括集成修剪、聚类集成和集成学习方法在半监督学习、主动学习、代价敏感学习、类别不平衡学习，以及提升可理解性方面的进展。此外，本书还在每章中的“拓展阅读”部分提供了相关的进阶内容。本书适合对集成学习方法感兴趣的研究人员、学生和实践者阅读。
|
