Pattern Recognition and Machine Learning (Information Science and Statistics) | 
 vergrössern | Autor: Christopher M. Bishop
Urheber: Christopher M. Bishop
Verleger: Springer, Berlin
Kaufen Neu: EUR 54,93
Neu (88) Gebraucht (10) ab EUR 54,81
Bewertung:  1 Rezensionen
Verkaufsrang: 48044
Medium: Gebundene Ausgabe
Ausgabe: New ed.
Seiten: 738
Zahl Der Einzelteile: 1
Versandgewicht: 4
Maße (innen): 9.5 x 7.3 x 1.7
ISBN: 0387310738
Dewey Dezimalzahl: 006.4
EAN: 9780387310732
ASIN: 0387310738
Publikation: Februar 1, 2008
Verfügbarkeit: Versandfertig in 1 - 2 Werktagen
Zustand: Some items shipped from UK,US. Normally delivered within 7-12 days.
| |
| Ähnliche Artikel:
|
| Kundenrezensionen:
Ein besonderes Buch Januar 11, 2008
Dr. Christian Donninger (Arbesbach, NOE Österreich)
3 aus 3 fanden die folgende Rezension hilfreich
Ich vergebe normaler Weise für Fachbücher keine 5 Sterne, weil ich die 5 Sterne für besondere Bücher reservieren will. Dieses Buch ist besonders. Es ist sehr schön gemacht (inkl. Hardcover), sehr schön geschrieben und gleichzeitig inhaltlich sehr tief.
C.M.Bishop behandelt das Thema als ein Teilgebiet der Angewandten Statistik. Die AI-Metaphysik kommt nicht vor, im Kapitel über Neuronale Netzwerke werden keine Gehirnzellen gezeichnet. Bishop schreibt vielmehr: "Indeed, it (der term Neural Network C.D.) has been used very broadly to cover a wird range of different models, many of which have been the subject of exaggerated claims regarding the biological plausibilty. From the perspective of practical applications of pattern recognition, however, biological realism would impose entirely unnecessary constraints. Our focus in this chapter is therefore on neural networks as efficient models for statistical pattern recognition."
Entsprechend diesen Ansatz werden im Buch sowohl klassische als auch neuere Verfahren behandelt. Ob weisse oder schwarze Katze, Hauptsache sie fängt Mäuse.
Das Buch ist auch das Zeugnis eines Paradigmenwechsels in der Statistik. Während meines Mathematik/Statistik Studiums in den 1970er Jahren hatte die Bayes'sche Methode noch einen zweifelhaften Ruf. Man kann durch geeignete Wahl der Prior-Verteilung am Endergebnis drehen. Das Buch demonstriert sehr eindrucksvoll, dass der Bayes'sche Ansatz inzwischen auf einigen Teilgebieten zum Mainstream geworden ist. Man kann durch geeignete Wahl der Prior-Verteilung in das Model zusätzliche Information einbringen und erhält dadurch bessere Schätzer. Den Preis, dass die Ergebnisse von der Wahl der Prior-Verteilung abhängig sind, nimmt man inzwischen in Kauf.
Vorraussetzung für dieses Buch sind gute Mathematik/Statistik Kenntnisse. Das erste Kapitel enthält eine Einführung, aber auch die wird man ohne Basiskenntnisse nicht verstehen. Wenn man dieses Wissen hat, sollte man das Buch lesen.
|
|
|
