Dataset Shift in Machine Learning

 
 
The MIT Press
  • 1. Auflage
  • |
  • erschienen am 11. September 2017
  • |
  • 248 Seiten
 
E-Book | PDF mit Adobe DRM | Systemvoraussetzungen
978-0-262-25510-3 (ISBN)
 
Dataset shift is a common problem in predictive modeling that occurs when the joint distribution of inputs and outputs differs between training and test stages. Covariate shift, a particular case of dataset shift, occurs when only the input distribution changes. Dataset shift is present in most practical applications, for reasons ranging from the bias introduced by experimental design to the irreproducibility of the testing conditions at training time. (An example is -email spam filtering, which may fail to recognize spam that differs in form from the spam the automatic filter has been built on.) Despite this, and despite the attention given to the apparently similar problems of semi-supervised learning and active learning, dataset shift has received relatively little attention in the machine learning community until recently. This volume offers an overview of current efforts to deal with dataset and covariate shift. The chapters offer a mathematical and philosophical introduction to the problem, place dataset shift in relationship to transfer learning, transduction, local learning, active learning, and semi-supervised learning, provide theoretical views of dataset and covariate shift (including decision theoretic and Bayesian perspectives), and present algorithms for covariate shift. Contributors [cut for catalog if necessary]Shai Ben-David, Steffen Bickel, Karsten Borgwardt, Michael Bruckner, David Corfield, Amir Globerson, Arthur Gretton, Lars Kai Hansen, Matthias Hein, Jiayuan Huang, Choon Hui Teo, Takafumi Kanamori, Klaus-Robert Muller, Sam Roweis, Neil Rubens, Tobias Scheffer, Marcel Schmittfull, Bernhard Scholkopf Hidetoshi Shimodaira, Alex Smola, Amos Storkey, Masashi Sugiyama
  • Englisch
  • Cambridge
  • |
  • USA
978-0-262-25510-3 (9780262255103)
0262255103 (0262255103)
http://dx.doi.org/10.7551/mitpress/9780262170055.001.0001
weitere Ausgaben werden ermittelt
  • Intro
  • Contents
  • Series Foreword
  • Preface
  • I - Introduction to Dataset Shift
  • 1 - When Training and Test Sets Are Di erent: Characterizing Learning Transfer
  • 2 - Projection and Projectability
  • II - Theoretical Views on Dataset and Covariate Shift
  • 3 - Binary Classi cation under Sample Selection Bias
  • 4 - On Bayesian Transduction: Implications for the Covariate Shift Problem
  • 5 - On the Training/Test Distributions Gap: A Data Representation Learning Framework
  • III - Algorithms for Covariate Shift
  • 6 - Geometry of Covariate Shift with Applications to Active Learning
  • 7 - A Conditional Expectation Approach to Model Selection and Active Learning under Covariate Shift
  • 8 - Covariate Shift by Kernel Mean Matching
  • 9 - Discriminative Learning under Covariate Shift with a Single Optimization Problem
  • 10 - An Adversarial View of Covariate Shift and a Minimax Approach
  • IV - Discussion
  • 11 - Author Comments
  • References
  • Notation and Symbols
  • Contributors
  • Index

Dateiformat: PDF
Kopierschutz: Adobe-DRM (Digital Rights Management)

Systemvoraussetzungen:

Computer (Windows; MacOS X; Linux): Installieren Sie bereits vor dem Download die kostenlose Software Adobe Digital Editions (siehe E-Book Hilfe).

Tablet/Smartphone (Android; iOS): Installieren Sie bereits vor dem Download die kostenlose App Adobe Digital Editions (siehe E-Book Hilfe).

E-Book-Reader: Bookeen, Kobo, Pocketbook, Sony, Tolino u.v.a.m. (nicht Kindle)

Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Adobe-DRM wird hier ein "harter" Kopierschutz verwendet. Wenn die notwendigen Voraussetzungen nicht vorliegen, können Sie das E-Book leider nicht öffnen. Daher müssen Sie bereits vor dem Download Ihre Lese-Hardware vorbereiten.

Weitere Informationen finden Sie in unserer E-Book Hilfe.


Download (sofort verfügbar)

79,89 €
inkl. 19% MwSt.
Download / Einzel-Lizenz
PDF mit Adobe DRM
siehe Systemvoraussetzungen
E-Book bestellen

Unsere Web-Seiten verwenden Cookies. Mit der Nutzung dieser Web-Seiten erklären Sie sich damit einverstanden. Mehr Informationen finden Sie in unserem Datenschutzhinweis. Ok