Notationen

Kapitel in diesem Buch

1. Frontmatter I
2. Inhaltsverzeichnis V
3. Vorwort XV
4. Notationen XIX
5. 1 Einführung 1
6. 2 Überwachtes Lernen 25
7. 3 Bayessche Entscheidungstheorie 53
8. 4 Parametrische Methoden 71
9. 5 Multivariate Methoden 101
10. 6 Dimensionalitätsreduktion 125
11. 7 Clusteranalyse 173
12. 8 Nichtparametrische Methoden 199
13. 9 Entscheidungsbäume 227
14. 10 Lineare Diskriminanz 255
15. 11 Mehrlagige Perzeptronen 285
16. 12 Tiefes Lernen 327
17. 13 Lokale Modelle 375
18. 14 Kernel-Maschinen 409
19. 15 Graphenmodelle 447
20. 16 Hidden-Markov-Modelle 479
21. 17 Bayessche Schätzung 507
22. 18 Kombination mehrerer Lerner 551
23. 19 Bestärkendes Lernen 581
24. 20 Experimente mit maschinellem Lernen 617
25. A Wahrscheinlichkeit 663
26. B Lineare Algebra 675
27. C Optimierung 685
28. Index 693