Sparse Learning Under Regularization Framework, Fachbücher von Irwin King, Haiqin Yang, Michael R. Lyu

Das Buch "Sparse Learning Under Regularization Framework" bietet eine umfassende Analyse der Regularisierung im Kontext des maschinellen Lernens und der Statistik. Es beleuchtet die Herausforderungen und Lösungen, die mit der Verarbeitung von hochdimensionalen Daten verbunden sind, und bietet einen tiefen Einblick in die Entwicklung effizienter Algorithmen und sparsamer Modelle. Die Autoren, Irwin King, Haiqin Yang und Michael R. Lyu, konzentrieren sich auf zentrale Forschungsfragen, die von der Merkmalsauswahl bis hin zum Lernen mit gemischten, nicht beschrifteten Daten reichen. Die behandelten Themen umfassen Online-Lernen, semi-supervised Lernen und multiple Kernel-Lernansätze. Die vorgestellten Modelle sind vielseitig einsetzbar und finden Anwendung in Bereichen wie Marketinganalyse, Bioinformatik und Mustererkennung.