Name: Density Ratio Estimation in Machine Learning (en Inglés)
Price: 209.71 PEN
Availability: InStock
Author: Masashi Sugiyama; Taiji Suzuki; Takafumi Kanamori
ISBN: 9781108461733

portada Density Ratio Estimation in Machine Learning (en Inglés)

Formato

Libro Físico

Editorial

Cambridge University Press

Autor

Masashi Sugiyama; Taiji Suzuki; Takafumi Kanamori

Año

2018

Idioma

Inglés

N° páginas

341

Encuadernación

Tapa Blanda

ISBN13

9781108461733

Categorías

Reconocimiento de formas
Visión por ordenador

Density Ratio Estimation in Machine Learning (en Inglés)

Masashi Sugiyama; Taiji Suzuki; Takafumi Kanamori (Autor) · Cambridge University Press · Tapa Blanda

Libro Nuevo

S/ 209,71

S/ 419,42

Ahorras: S/ 209,71

50% descuento

Envío normal

Origen: España (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 10 de Julio y el Viernes 19 de Julio.

Lo recibirás en cualquier lugar de Perú entre 2 y 5 días hábiles luego del envío.

Reseña del libro "Density Ratio Estimation in Machine Learning (en Inglés)"

Machine learning is an interdisciplinary field of science and engineering that studies mathematical theories and practical applications of systems that learn. This book introduces theories, methods, and applications of density ratio estimation, which is a newly emerging paradigm in the machine learning community. Various machine learning problems such as non-stationarity adaptation, outlier detection, dimensionality reduction, independent component analysis, clustering, classification, and conditional density estimation can be systematically solved via the estimation of probability density ratios. The authors offer a comprehensive introduction of various density ratio estimators including methods via density estimation, moment matching, probabilistic classification, density fitting, and density ratio fitting as well as describing how these can be applied to machine learning. The book also provides mathematical theories for density ratio estimation including parametric and non-parametric convergence analysis and numerical stability analysis to complete the first and definitive treatment of the entire framework of density ratio estimation in machine learning.