Statistisches und maschinelles Lernen: Gängige Verfahren im Überblick (German Edition)

Dieses Buch verschafft Ihnen einen Überblick über einige der bekanntesten Verfahren des maschinellen Lernens aus der Perspektive der mathematischen Statistik. Nach der Lektüre kennen Sie die jeweils gestellten Forderungen an die Daten sowie deren Vor- und Nachteile und sind daher in der Lage, für ein gegebenes Problem ein geeignetes Verfahren vorzuschlagen. Beweise werden nur dort ausführlich dargestellt oder skizziert, wo sie einen didaktischen Mehrwert bieten – ansonsten wird auf die entsprechenden Fachartikel verwiesen. Für die praktische Anwendung ist ein genaueres Studium des jeweiligen Verfahrens und der entsprechenden Fachliteratur nötig, zu der Sie auf Basis dieses Buchs aber schnell Zugang finden. Das Buch richtet sich an Studierende der Mathematik höheren Semesters, die bereits Vorkenntnisse in Wahrscheinlichkeitstheorie besitzen. Behandelt werden sowohl Methoden des Supervised Learning und Reinforcement Learning als auch des Unsupervised Learning. Der Umfang entspricht einer einsemestrigen vierstündigen Vorlesung. Die einzelnen Kapitel sind weitestgehend unabhängig voneinander lesbar, am Ende jedes Kapitels kann das erworbene Wissen anhand von Übungsaufgaben und durch Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. Front Matter ....Pages I-XIV Supervised Learning: Grundlagen (Stefan Richter)....Pages 1-24 Lineare Algorithmen für Regressionsprobleme (Stefan Richter)....Pages 25-64 Allgemeines zu Klassifikationsproblemen (Stefan Richter)....Pages 65-78 Lineare Methoden für Klassifizierungsprobleme und SVMs (Stefan Richter)....Pages 79-138 Nichtparametrische Methoden und der naive Bayes-Klassifizierer (Stefan Richter)....Pages 139-162 Regressions- und Klassifikationsbäume; Bagging, Boosting und Random Forests (Stefan Richter)....Pages 163-220 Neuronale Netzwerke (Stefan Richter)....Pages 221-253 Reinforcement Learning/Bestärkendes Lernen (Stefan Richter)....Pages 255-287 Unsupervised Learning: Bestimmung von Repräsentanten (Stefan Richter)....Pages 289-313 Unsupervised Learning: Dimensionsreduktion (Stefan Richter)....Pages 315-373 Back Matter ....Pages 375-383 Dieses Buch verschafft Ihnen einen UEberblick uber einige der bekanntesten Verfahren des maschinellen Lernens aus der Perspektive der mathematischen Statistik.