Kernel Based Algorithms for Mining Huge Data Sets, Fachbücher von Vojislav Kecman, Ivica Kopriva, Te-Ming Huang

Das Buch 'Kernel Based Algorithms for Mining Huge Data Sets' bietet eine umfassende Einführung in die Anwendung von Kernel-basierten Algorithmen im Bereich des maschinellen Lernens. Es behandelt die drei Hauptkategorien des maschinellen Lernens: überwachtes, semi-überwachtes und unüberwachtes Lernen. Die Autoren, Te-Ming Huang, Vojislav Kecman und Ivica Kopriva, erläutern die theoretischen Grundlagen und die praktischen Algorithmen zur Analyse grosser Datensätze mithilfe von Support Vector Machines (SVMs). Ein besonderes Augenmerk liegt auf der Dimensionsereduzierung und dem Vergleich der gängigsten unüberwachten Techniken, wie der Hauptkomponentenanalyse (PCA) und der unabhängigen Komponentenanalyse (ICA). Das Buch ist nicht nur theoretisch fundiert, sondern bietet auch praktische Beispiele und Softwarelösungen, die es den Lesenden ermöglichen, eigene Codes zu entwickeln. Zudem wird eine begleitende Website bereitgestellt, auf der Daten und Software für die Modellierung grosser Datensätze heruntergeladen werden können.