Model selection error estimation von oneto luca (5 Ergebnisse)
Sprache: Englisch
Verlag: Springer, 2020
Serie: Buch 11 von 14 - Modeling and Optimization in Science and Technologies
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 115,02
EUR 14,02 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Sprache: Englisch
Verlag: Springer Nature, 2020
Serie: Buch 11 von 14 - Modeling and Optimization in Science and Technologies
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 150,97
EUR 11,70 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. 148 pages. 9.25x6.10x0.34 inches. In Stock.
Weitere BilderSprache: Englisch
Verlag: Springer, 2020
Serie: Buch 11 von 14 - Modeling and Optimization in Science and Technologies
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 95,25
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Model Selection and Error Estimation in a Nutshell | Luca Oneto | Taschenbuch | Modeling and Optimization in Science and Technologies | xiii | Englisch | 2020 | Springer | EAN 9783030243616 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartm…ann[at]springer[dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer International Publishing, 2020
Serie: Buch 11 von 14 - Modeling and Optimization in Science and Technologies
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 106,99
EUR 61,18 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - How can we select the best performing data-driven model How can we rigorously estimate its generalization error Statistical learning theory answers these questions by deriving non-asymptotic bounds on the generalization error of a model or, in other…words, by upper bounding the true error of the learned model based just on quantities computed on the available data. However, for a long time, Statistical learning theory has been considered only an abstract theoretical framework, useful for inspiring new learning approaches, but with limited applicability to practical problems. The purpose of this book is to give an intelligible overview of the problems of model selection and error estimation, by focusing on the ideas behind the different statistical learning theory approaches and simplifying most of the technical aspects with the purpose of making them more accessible and usable in practice. The book starts by presenting the seminal works of the 80's and includes the most recent results. It discusses open problems and outlines future directions for research.
Sprache: Englisch
Verlag: Springer International Publishing, 2019
Serie: Buch 11 von 14 - Modeling and Optimization in Science and Technologies
- Hardcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 106,99
EUR 61,98 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Buch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - How can we select the best performing data-driven model How can we rigorously estimate its generalization error Statistical learning theory answers these questions by deriving non-asymptotic bounds on the generalization error of a model or, in other words,…by upper bounding the true error of the learned model based just on quantities computed on the available data. However, for a long time, Statistical learning theory has been considered only an abstract theoretical framework, useful for inspiring new learning approaches, but with limited applicability to practical problems. The purpose of this book is to give an intelligible overview of the problems of model selection and error estimation, by focusing on the ideas behind the different statistical learning theory approaches and simplifying most of the technical aspects with the purpose of making them more accessible and usable in practice. The book starts by presenting the seminal works of the 80's and includes the most recent results. It discusses open problems and outlines future directions for research.
