Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych. Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania. Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining.

SPIS TREŚCI\nPrzedmowa do wydania pierwszego\nPrzedmowa do wydania drugiego\n1. Liniowe metody klasyfikacji\n1.1. Klasyfikacja pod nadzorem - wprowadzenie\n1.2. Fisherowska dyskryminacja liniowa\n1.3. Dyskryminacja oparta na regresji linowej i logistycznej\n1.4. Perceptron Rosenblatta

\n
1. \n

   Metody klasyfikacji oparte na rozkładach prawdopodobieństwa\n2.1. Klasyfikator bayesowski i metoda największej wiarogodności\n2.2. Optymalność reguły bayesowskiej\n2.3. Praktyczna konstrukcja klasyfikatorów

   \n
\n
2. \n

   Metody klasyfikacji oparte na nieparametrycznej estymacji\n3.1. Wprowadzenie\n3.2. Nieparametryczna estymacja rozkładów w klasach\n3.3. Metoda najbliższych sąsiadów

   \n
\n
3. \n

   Drzewa klasyfikacyjne i rodziny klasyfikatoró\n4.1. Wprowadzenie\n4.2. Reguły podziału\n4.3. Reguły przycinania drzew\n4.4. Drzewa klasyfikacyjne - uwagi\n4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting\n4.6. Rodziny klasyfikatorów - lasy losowe

   \n
\n
4. \n

   Analiza regresji\n5.1. Globalne modele parametryczne\n5.2. Regresja nieparametryczna\n5.3. Efekty losowe i liniowe modele mieszane\n5.4. Uwagi końcowe

   \n
\n
5. \n

   Uogólnienia metod liniowych\n6.1. Dyskryminacja elastyczna\n6.2. Maszyny wektoró podpierających

   \n
\n
6. \n

   Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe\n7.1. Podsumowanie\n7.2. Uwagi dodatkowe

   \n
\n
7. \n

   Metody rzutowania, wykrywania zmiennych ukrytych\n8.1. Systemy uczące się bez nadzoru - wprowadzenie\n8.2. Analiza skłądowych głównych\n8.3. Estymacja gęstości wzdłuż interesujących rzutów\n8.4. Analiza czynnikowa i analiza skłądowych niezależnych\n8.5. Podobieństwo, odmienność i odległość między obiektami\n8.6. Skalowanie wielowymiarowe\n8.7. Metody jąrowe w systemach uczących się

   \n
\n
8. \n

   Analiza skupień\n9.1. Metody kombinatoryczne\n9.2. Metody hierarchiczne - dendrogramy\n9.3. Inne metody klasyczne\n9.4. Trzy nieklasyczne podejścia do analizy skupień

   \n
\n

Książki cytowane\nSkorowidz