《机器学习中的统计建模:概念和应用》介****绍了统计、探索性数据分析和机器学习的基本概念和作用。本文将讨论机器学习的各个方面以及统计的基础知识。通过简单的例子和图形表示来介绍概念,以便更好地理解技术。这本书采取了一个整体的方法-把关键概念与机器学习的多学科应用的深入论述放在一起。讨论了新的案例研究和研究问题陈述,这将帮助研究人员在他们的应用领域基于统计和机器学习的概念。机器学习中的统计建模:概念和应用将帮助统计学家、机器学习从业者和程序员解决各种任务,如分类、回归、聚类、预测、推荐等。

https://www.elsevier.com/books/statistical-modeling-in-machine-learning/goswami/978-0-323-91776-6

通过实际问题、应用和教程的帮助,提供了应用于机器学习的最新统计概念的全面概述 * 介绍了从基本原理到先进技术的逐步方法 * 包括成功和不成功的机器学习应用的案例研究,以理解其实现中的挑战,以及工作的例子

  1. Introduction to Statistical Modelling in Machine Learning - A Case Study
  2. A Technique of Data Collection- Web Scraping with Python
  3. Analysis of Covid-19 using Machine Learning Techniques
  4. Discriminative Dictionary Learning based on Statistical Methods
  5. Artificial Intelligence based Uncertainty Quantification technique for External flow CFD simulations
  6. Music Genres Classification
  7. Classification Model of Machine Learning for Medical Data Analysis
  8. Regression Models for Machine learning
  9. Model Selection and Regularization
  10. Data Clustering using Unsupervised Machine Learning
  11. Emotion-based classification through fuzzy entropy enhanced FCM clustering
  12. Fundamental Optimization Methods for Machine Learning
  13. Stochastic Optimization of Industrial Grinding Operation through Data-Driven Robust Optimization
  14. Dimensionality Reduction using PCAs in Feature Partitioning Framework
  15. Impact of Mid-Day Meal Scheme in Primary Schools in India using Exploratory Data Analysis and Data Visualisation
  16. Nonlinear System Identification of Environmental pollutants using Recurrent Neural Networks and Global Sensitivity Analysis
  17. Comparative Study of Automated Deep Learning Techniques for Wind Time Series Forecasting

成为VIP会员查看完整内容
139

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【2022新书】雾计算: 概念、框架和应用,235页pdf
专知会员服务
114+阅读 · 2022年6月7日
【2022新书】强化学习工业应用,408页pdf
专知会员服务
227+阅读 · 2022年2月3日
【干货书】统计学习导论,431页pdf讲解数据科学知识
专知会员服务
78+阅读 · 2021年6月7日
【2021新书】面向健康的机器学习与人工智能,428页pdf
专知会员服务
133+阅读 · 2021年5月21日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
专知会员服务
50+阅读 · 2020年12月14日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
108+阅读 · 2020年11月12日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
120+阅读 · 2019年12月9日
【UMD开放书】机器学习课程书册,19章227页pdf,带你学习ML
【2022新书】Python数据分析第三版,579页pdf
专知
19+阅读 · 2022年8月31日
【2022新书】Python数据科学导论,309页pdf
专知
5+阅读 · 2022年8月6日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
45+阅读 · 2022年9月19日
Arxiv
18+阅读 · 2019年1月16日
VIP会员
相关VIP内容
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【2022新书】雾计算: 概念、框架和应用,235页pdf
专知会员服务
114+阅读 · 2022年6月7日
【2022新书】强化学习工业应用,408页pdf
专知会员服务
227+阅读 · 2022年2月3日
【干货书】统计学习导论,431页pdf讲解数据科学知识
专知会员服务
78+阅读 · 2021年6月7日
【2021新书】面向健康的机器学习与人工智能,428页pdf
专知会员服务
133+阅读 · 2021年5月21日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
专知会员服务
50+阅读 · 2020年12月14日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
108+阅读 · 2020年11月12日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
120+阅读 · 2019年12月9日
【UMD开放书】机器学习课程书册,19章227页pdf,带你学习ML
相关基金
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员