Inhaltsangabe
1. Learning to Classify.- 2. SVM's and Random Forests.- 3. A Little Learning Theory.- 4. High-dimensional Data.- 5. Principal Component Analysis.- 6. Low Rank Approximations.- 7. Canonical Correlation Analysis.- 8. Clustering.- 9. Clustering using Probability Models.- 10. Regression.- 11. Regression: Choosing and Managing Models.- 12. Boosting.- 13. Hidden Markov Models.- 14. Learning Sequence Models Discriminatively.- 15. Mean Field Inference.- 16. Simple Neural Networks.- 17. Simple Image Classifiers.- 18. Classifying Images and Detecting Objects.- 19. Small Codes for Big Signals.- Index.
Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.
