Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

7. Foundations of Statistical Learning and Model Selection

verfasst von : Francesco Camastra, Alessandro Vinciarelli

Erschienen in: Machine Learning for Audio, Image and Video Analysis

Verlag: Springer London

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

What the reader should know to understand this chapter \(\bullet \) Basic notions of machine learning. \(\bullet \) Notions of calculus. \(\bullet \) Chapter 5.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Clustering Methods
Nächstes Kapitel Supervised Neural Networks and Ensemble Methods
Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
\(\textit{erf}(u)=\frac{2}{\sqrt{\pi }}\int _{0}^u e^{-u^2} du\).
 
2
Numquam ponenda sine necessitate (W. Occam).
 
3
\(f(\cdot )_+\) stands for the positive part of \(f(\cdot )\).
 
Literatur
1.
H. Akaike. Statistical predictor identification. Annals of the Institute of Statistical Mathematics, 21:202–217, 1970.
2.
H. Akaike. Information theory and an extension of the maximum likelihood principle. In \(2^{nd}\) International Symposium on Information Theory, pages 267–281, 1973.
3.
M. Anthony. Neural Network Learning: Theoretical Foundations. Cambridge University Press, 1999.
4.
C. M. Bishop. Neural Networks for Pattern Recognition. Cambridge University Press, 1995.
5.
S. Boucheron, G. Lugosi, and S. Massart. A sharp concentration inequality with applications. Random Structures and Algorithms, 16(3):277–292, 2000.
6.
V. Cherkassky and F. Mulier. Learning from Data. John Wiley, 1998.
7.
H. Chernoff. A measure of asymptotic efficiency of tests of a hypothesis based on the sum of observations. Annals of Mathematical Sciences, 23:493–507, 1952.
8.
P. Craven and G. Wahba. Smoothing noisy data with spline functions: estimating the correct degree of smoothing by the method of generalized crossvalidation. Numerische Mathematik, 31(4):377–403, 1978.
9.
L. Devroye, L. Gyorfi, and G. Lugosi. A Probabilistic Theory of Pattern Recognition. Springer-Verlag, 1996.
10.
R. O. Duda, P. E. Hart, and D. G. Stork. Pattern Classification. John Wiley, 2001.
11.
B. Efron and R.J. Tibshirani. An Introduction to the Bootstrap. Chapman & Hall, 1993.
12.
R. A. Fisher. The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7(2):179–188, 1936.
13.
K. Fukunaga. Introduction to Statistical Pattern Recognition. Academic Press, 1990.
14.
S. Geman, E. Bienenstock, and R. Doursat. Neural networks and the bias-variance dilemma. Neural Networks, 4(1):1–58, 1992.
15.
T. Hastie, R.J. Tibshirani, and J. Friedman. The Elements of Statistical Learning. Springer-Verlag, 2001.
16.
F. Mosteller and J.W. Tukey. Data analysis, including statistics. In Handbook of Social Psychology, pages 80–203. Addison-Wesley, 1968.
17.
J. Rissanen. A universal prior for integers and estimation by minimum description length. Annals of Statistics, 11(2):416–431, 1983.
18.
B. Schölkopf and A.J. Smola. Learning with Kernels. MIT Press, 2002.
19.
G. Schwartz. Estimating the dimension of a model. Annals of Statistics, 6(2):461–464, 1978.
20.
R. Shibata. An optimal selection of regression variables. Biometrika, 68(1):45–54, 1981.
21.
M. Stone. Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society, B36:111–147, 1974.
22.
M. Stone. An asymptotic equivalence of choice of model by crossvalidation and akaike’s criterion. Journal of the Royal Statistical Society, B39:44–47, 1977.
23.
V.N. Vapnik. Estimation of Dependences based on Empirical Data. Springer-Verlag, 1982.
24.
V.N. Vapnik. The Nature of Statistical Learning Theory. Springer-Verlag, 1995.
25.
V.N. Vapnik. Statistical Learning Theory. John Wiley, 1998.
26.
V.N. Vapnik and A. Ya. Chervonenkis. On the uniform convergence of relative frequencies of events to their probabilities. Theory of Probability and its Applications, 16(2):264–280, 1971.
27.
V.N. Vapnik and A. Ya. Chervonenkis. Theory of Pattern Recognition. Nauka, 1974.
Metadaten
Titel
Foundations of Statistical Learning and Model Selection
verfasst von
Francesco Camastra
Alessandro Vinciarelli
Copyright-Jahr
2015
Verlag
Springer London
Buch
Machine Learning for Audio, Image and Video Analysis

Print ISBN: 978-1-4471-6734-1

Electronic ISBN: 978-1-4471-6735-8

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-1-4471-6735-8_7

Premium Partner

    Bildnachweise