境外开放课程——按学科专业列表
开放课程→自然科学→数学→应用统计数学::

31
Stochastic Methods for L1 Regularized Loss Minimization[L1正则化损失最小化的随机方法]
  Ambuj Tewari(芝加哥丰田技术学院) 我们描述和分析了$ \ ell_1 $正则化损失最小化问题的两种随机方法，例如Lasso。第一种方法在每次迭代时更新单个特征的权重，而第二种方法更新整个权重向量，但在...
热度：37

32
Kernelized Value Function Approximation for Reinforcement Learning[强化学习的核函数值函数逼近]
  Gavin Taylor(杜克大学) 最近，针对强化学习的核心化方法的研究激增，试图将核心机器学习技术的好处带入强化学习。核心强化学习技术相当新，不同的作者用不同的假设和目标来探讨这个主题...
热度：161

33
A Simpler Unified Analysis of Budget Perceptrons[预算感知的一个更简单的统一分析]
  Ilya Sutskever(多伦多大学) 内核Perceptron是一种吸引人的在线学习算法，它有一个缺点：每当它出错时它必须增加其支持集，如果错误数量很大，这会减慢训练和测试速度。 Forgetron和随机预算...
热度：38

34
Efficient Learning Algorithms for Changing Environments[改变环境的有效学习算法]
  Comandur Seshadhri(剑桥大学) 我们在一个不经意的变化环境中学习在线学习。后悔的标准衡量标准限制了在线学习者的成本与后见之明的最佳决策之间的差异。因此，后悔最小化算法往往会收敛到静态...
热度：74

35
Statistical Leverage and Improved Matrix Algorithms[统计杠杆和改进的矩阵算法]
  Michael Mahoney(斯坦福大学) 给定mxn矩阵A和秩参数k，将第i行的杠杆定义为投影矩阵的第i个对角线元素到A的前k个左奇异向量的跨度上。在这种情况下，“高杠杆“行在顶部奇异向量中具有不成比...
热度：89

36
Transfer Learning for Collaborative Filtering via a Rating-Matrix Generative Model[通过评级矩阵生成模型进行协同过滤的转移学习]
  Bin Li(复旦大学) 跨域协作过滤通过跨多个域转移评级知识来解决稀疏性问题。在本文中，我们提出了一个评级矩阵生成模型（RMGM），用于有效的跨域协作过滤。我们首先表明，可以通过...
热度：160

37
Semi-Supervised Learning Using Label Mean[使用标签均值的半监督学习]
  Yu-Feng Li(南京大学) 半监督支持向量机（S3VM）通常直接估计未标记实例的标签分配。即使最近在（监督的）SVM的有效训练方面取得了进展，这通常也是低效的。在本文中，我们展示了具有...
热度：117

38
ABC-Boost: Adaptive Base Class Boost for Multi-Class Classification[ABC-Boost：用于多类分类的自适应基类升压]
  Ping Li(康奈尔大学) 我们提出ABC Boost（自适应基类升压）用于多类分类，并提出ABC MART，ABC Boost的实现。原始的MART（多重加法回归树）算法在某些行业应用（例如，Web搜索）中很...
热度：229

39
Topic-Link LDA: Joint Models of Topic and Author Community [主题链接LDA：主题和作者社区的联合模型]
  Yan Liu(南加利福尼亚大学) 鉴于大规模链接的文档集合，例如博客文章集或研究文献档案集，有两个基本问题引起了研究界的极大兴趣。一个是确定集合中文档所涵盖的一组高级主题;另一种是揭示...
热度：38

40
Modeling Social and Information Networks: Opportunities for Machine Learning[社交和信息网络建模：机器学习的机会]
  Jure Leskovec(斯坦福大学) 网络，社交媒体和在线社交网站的出现引发了人类社交活动的详细痕迹。这为分析和模拟数百万人的行为提供了许多机会。例如，我们现在可以研究2.4亿人的完整Microso...
热度：31

41
Rule Learning with Monotonicity Constraints[单调性约束的规则学习]
  Wojciech Kotlowski(波兹南理工大学) 在具有单调性约束的序数分类中，假设类标签应随着属性值的增加而增加。在本文中，我们的目标是从统计学的角度将单调性约束的学习方法形式化，从而产生学习规则集...
热度：94

42
Graph Construction and b-Matching for Semi-Supervised Learning[半监督学习的图形构建与b匹配]
  Tony Jebara(哥伦比亚大学) 基于图的半监督学习（SSL）方法在实际的机器学习系统中发挥着越来越重要的作用。基于图的SSL方法中的Acrucial步骤将数据转换为加权图。然而，大多数SSL文献都着...
热度：76

43
Using Interior Point Methods for Optimization in Training Very Large Scale Support Vector Machines[利用内点法优化训练超大规模支持向量机]
  Jacek Gondzio(爱丁堡大学) 在本次演讲中，我们将讨论用于解决在大规模支持向量机（SVM）训练环境中出现的优化问题的内点法（IPM）的问题。首先，我们将简要介绍线性和二次规划的IPM，并评...
热度：64

44
A Scalable Framework for Discovering Coherent Co-clusters in Noisy Data[一种用于在噪声数据中发现相干共聚类的可扩展框架]
  Meghana Deodhar(德克萨斯大学) 聚类问题通常涉及数据集，其中只有一部分数据与问题相关，例如，在微阵列数据分析中，只有一部分基因在条件/特征的子集内显示出相同的表达。存在大量非信息数据...
热度：73

45
Estimating Local Optimums in EM Algorithm over Gaussian Mixture Model[用高斯混合模型估计EM算法的局部最优值]
  Zhenjie Zhang(新加坡国立大学) EM算法是从大型观测集估计高斯混合模型参数的一种非常流行的方法。但是，在大多数情况下，EM算法无法保证收敛到全局最优。相反，它停在一些局部优化，这可能比全...
热度：71