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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Simple Machine-Learning Task Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

2. Probabilities: Bayesian Classifiers

verfasst von : Miroslav Kubat

Erschienen in: An Introduction to Machine Learning

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

The earliest attempts to predict an example’s class based on the known attribute values go back to well before World War II—prehistory, by the standards of computer science. Of course, nobody used the term “machine learning,” in those days, but the goal was essentially the same as the one addressed in this book.

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 A Simple Machine-Learning Task
Nächstes Kapitel Similarities: Nearest-Neighbor Classifiers
Fußnoten
1
We assume here that 100 is the maximum value observed in the training set. Alternatively, our background knowledge may inform us that the given attribute’s value cannot exceed 100.
 
Literatur
12.
Chow, C. K. (1957). An optimum character recognition system using decision functions. IRE Transactions on Computers, EC-6, 247–254.CrossRef
21.
Fisher, R. A. (1936). The use of multiple measurement in taxonomic problems. Annals of Eugenics, 7, 111–132.
28.
Good, I. J. (1965). The estimation of probabilities: An essay on modern Bayesian methods. Cambridge: MIT.MATH
61.
Neyman, J., & Pearson E. S. (1928). On the use and interpretation of certain test criteria for purposes of statistical inference. Biometrica, 20A, 175–240.
66.
Parzen E. (1962). On estimation of a probability density function and mode. Annals of Mathematical Statistics, 33, 1065–1076.MathSciNetCrossRefMATH
Metadaten
Titel
Probabilities: Bayesian Classifiers
verfasst von
Miroslav Kubat
Copyright-Jahr
2015
Buch
An Introduction to Machine Learning

Print ISBN: 978-3-319-20009-5

Electronic ISBN: 978-3-319-20010-1

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-20010-1_2