內容簡介
《支持向量機導論》支持向量機（SVM）是在統計學習理論的基礎上發展起來的新一代學習算法，該算法在文本分類、手寫識別、圖像分類、生物信息學等領域中獲得了較好的套用。本書是第一本支持向量機方面的導論型讀物。它從機器學習算法的基本問題開始，循序漸進地介紹相關的背景知識，包括線性分類器、核函式特徵空間、推廣性理論和最佳化理論，從而很自然地引出了支持向量機的算法。書的末尾還詳細討論了一系列支持向量機的重要套用以及實現的技巧。該書提供的大量相關文獻以及網站連結為進一步學習提供了有效線索，有助於讀者及時跟蹤該領域的最新信息。
本書為全英文讀物，對機器學習和數據挖掘的最重要發展領域進行了全面的介紹，展現了一個主要由VladimirVapnik創立的統計學習理論的全新領域，它以正則化技術的研究成果為基礎，在數學方法和套用技術兩個方面都可能成為一座真正的科學金礦。書中條理清晰，邏輯嚴密，是值得數學家和工程師一讀的讀物。
支持向量機（SupportVectorMachine，SVM）是建立在統計學理論最新進展基礎上的新一代學習系統。本書是第一本全面介紹支持向量機的著作。支持向量機是在20世紀90年代初提出的，隨之引發了對這種技術的廣泛套用和深入理論分析。至今在若干實際套用（如文本編目、手寫字元識別、圖像分類和生物進化鏈分析等）中，支持向機量足以提供最佳的學習性能，而且在機器學習與數據挖掘中已被確立為一種標準工具。學生將會發現本書不僅對他們具有激勵作用，同時也很容易理解；對於專業人員而言，本書可以引導他們輕鬆自如地獲得為掌握理論及其套用所需的材料。本書以循序漸進的、自含的、易於接受的方式引入各種概念，而且論述嚴謹透徹。本書所提供的參考文獻和可以下載軟體的網站將會成為讀者進一步學習的起點。同樣，本書及相關網站將引導專業人員了解最新的文獻、新套用和線上軟體。
作者簡介
NelloCristianini先後在義大利的里雅斯特大學、英國倫敦大學皇家豪勒威學院、英國布里斯投大學、美國加州大學聖克魯茲分校學習。他是支持向量機與其他學習系統的理論與套用方面卓有成就的年青研究人員，在各種雜誌和國際學術會議上發表了許多有關這一領域的論文。
JohnShawe-Taylor 先後在英國劍橋大學、位於斯洛維尼亞的盧布爾雅那大學、加拿大西蒙·弗雷澤大學、英國倫敦大學帝國學院、英國倫敦大學皇家豪勒威學院學習。他發表了許多有關學習系統以及離散數學和計算機科學等領域的論文。他是英國倫敦大學皇家勒威學院計算科學系教授，同時還是由16年大學共同成立的歐洲合作基金的協調者，該基金是為了研究神經學習和計算學習。
媒體評論
“本書對機器學習和數據挖掘的最重要發展領域進行了全面的介紹。書中清晰的條理、富於邏輯性的推演以及優美的文字，備受初學者和專家的讚許。線上參考文獻與軟體是本書獨一無二的和適應時代的新穎特點。我竭誠地向讀者推薦此書。”
——OlviMangasarian，威斯康星大學
“本書介紹支持向量機的理論與實踐，是一本優秀的和引人入勝的著作。書中闡明了專業人員所面臨的種種關鍵問題及其解決方案，書後包含一個非常有用的附錄，是用偽代碼編寫的最佳化算法。”
——DavidHaussler，加利福尼亞大學
“本書展現了一個主要由VladimirVapnik創立的統計學習理論的全新領域，它以正則化技術的研究成果為基礎，在數學方法和套用技術兩個方面都可能成為一座真正的科學金礦。在這一領域中形成並在日益增多的重大套用中得到使用的主要算法是與正則化類似的支持向量機技術。這本簡明扼要的著作對支持向量機及其理論基礎進行了嚴密而自含的介紹。這是值得數學家和工程師一讀的讀物。”
——TomasoPoggio，麻省理工學院
目錄
1.Thelearningmethodology;
1.1SupervisedLearning
1.2LearningandGeneralisation
1.3InprovingGeneralisation
1.4AttractionsandDrawbacksofLearning
1.5SupportVectorMachinesfor Learning
1.6Exercises
1.7FurtherReadingandAdvancedTopics
2.Linearlearningmachines;
2.1LinearClassification
2.2LinearRegression
2.3DualRepresentationofLinearMachines
2.4Exercises
2.5FurtherReadingandAdvancedTopics
3.Kernel-inducedfeaturespaces;
3.1LearninginFeatureSpace
3.2TheImplicitMappingintoFeatureSpace
3.3MakingKernels
3.4WorkinginFeatureSpace
3.5KernelsandGaussianProcesses
3.6Exercises
3.7FurtherReadingandAdvancedTopics
4.Generalisationtheory;
……
5.Optimisationtheory;
6.Supportvectormachines;
7.Implementationtechniques;
8.Applicationsofsupportvectormachines;
PseudocodefortheSMOalgorithm;
BackgroundMathematics;
Index.
盤點有關算法書籍
| 算法可以理解為有基本運算及規定的運算順序所構成的完整的解題步驟。或者看成按照要求設計好的有限的確切的計算序列，並且這樣的步驟和序列可以解決一類問題。 |
