Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Lectures on the Nearest Neighbor Method

Previously published in hardcover
BuchKartoniert, Paperback
290 Seiten
Englisch
Springererschienen am21.03.2019Softcover reprint of the original 1st ed. 2015
This text presents a wide-ranging and rigorous overview of nearest neighbor methods, one of the most important paradigms in machine learning.mehr
Verfügbare Formate
BuchGebunden
EUR90,94
BuchKartoniert, Paperback
EUR149,79
E-BookPDF1 - PDF WatermarkE-Book
EUR139,09

Produkt

KlappentextThis text presents a wide-ranging and rigorous overview of nearest neighbor methods, one of the most important paradigms in machine learning.
Details
ISBN/GTIN978-3-319-79782-3
ProduktartBuch
EinbandartKartoniert, Paperback
Verlag
Erscheinungsjahr2019
Erscheinungsdatum21.03.2019
AuflageSoftcover reprint of the original 1st ed. 2015
ReiheSpringer Series in the Data Sciences
Seiten290 Seiten
SpracheEnglisch
Gewicht458 g
IllustrationenIX, 290 p. 4 illus. in color.
Artikel-Nr.46111441

Inhalt/Kritik

Inhaltsverzeichnis
Part I: Density Estimation.- Order Statistics and Nearest Neighbors.- The Expected Nearest Neighbor Distance.- The k-nearest Neighbor Density Estimate.- Uniform Consistency.- Weighted k-nearest neighbor density estimates.- Local Behavior.- Entropy Estimation.- Part II: Regression Estimation.- The Nearest Neighbor Regression Function Estimate.- The 1-nearest Neighbor Regression Function Estimate.- LP-consistency and Stone's Theorem.- Pointwise Consistency.- Uniform Consistency.- Advanced Properties of Uniform Order Statistics.- Rates of Convergence.- Regression: The Noisless Case.- The Choice of a Nearest Neighbor Estimate.- Part III: Supervised Classification.- Basics of Classification.- The 1-nearest Neighbor Classification Rule.- The Nearest Neighbor Classification Rule. Appendix.- Index.mehr
Kritik
"This book deals with different aspects regarding this approach, starting with the standard k-nearest neighbor model, and passing through the weighted k-nearest neighbor model, estimations for entropy, regression functions etc. ... It is intended for a large audience, including students, teachers, and researchers." (Florin Gorunescu, zbMATH 1330.68001, 2016)mehr