高级统计学习理论][Advanced Statistical Learning Theory]

高级统计学习理论 Advanced Statistical Learning Theory


课程网址:	http://videolectures.net/mlss04_bousquet_aslt/
主讲教师:	Olivier Bousquet
开课单位:	谷歌公司
开课时间:	2007-02-25
课程语种:	英语
中文简介:	这套讲座将补充统计学习理论课程，并侧重于分类领域的最新进展。 1- PAC贝叶斯边界：一个简单的推导，与Rademacher平均值的比较。 \\ 2 - 本地Rademacher复杂性与分类丢失，Talagrand的不平等。 Tsybakov噪音条件。 \ - 3 - 用于分类的损失函数的性质（对近似和估计的影响，与噪声条件的关系）。 \\ 4 - SVM的应用 - 估计和逼近性质，Gram矩阵的特征值的作用。
课程简介:	This set of lectures will complement the statistical learning theory course and focus on recent advances in the domain of classification. 1- PAC Bayesian bounds: a simple derivation, comparison with Rademacher averages. \\ 2 - Local Rademacher complexity with classification loss, Talagrand's inequality. Tsybakov noise conditions. \\ 3 - Properties of loss functions for classification (influence on approximation and estimation, relationship with noise conditions). \\ 4 - Applications to SVM - Estimation and approximation properties, role of eigenvalues of the Gram matrix.
关键词:	统计学习理论课程; 贝叶斯边界; 逼近性质
课程来源:	视频讲座网
最后编审:	2019-07-09：cjy
阅读次数:	118

境外开放课程导航