Dataset Shift in Machine Learning (Neural Information Processing series)
Quinonero-Candela, Joaquin; Sugiyama, Masashi; Schwaighofer, Anton; Lawrence, Neil D.
Langue : anglais
Edité par The MIT Press, Cambridge, Mass., 2009
- Éd. originale
- Livre relié
- Occasion
Vendeur : Autumn Leaves Books, Crown Point, IN, Etats-UnisAutumn Leaves Books
Vendeur AbeBooks depuis 21 mars 2024
Etat: Occasion - Bon
EUR 21,34
Quantité disponible : 1 disponible(s)
Ajouter au panierItem description from seller
N° de réf. du vendeur 000610
- Titre
- Dataset Shift in Machine Learning (Neural Information Processing series)
- Auteur
- Quinonero-Candela, Joaquin; Sugiyama, Masashi; Schwaighofer, Anton; Lawrence, Neil D.
- Éditeur
- The MIT Press, Cambridge, Mass.
- Année de publication
- 2009
- État de l'article
- Near Fine
- Jaquette
- Near Fine
- Reliure
- Hardcover
- Langue
- anglais
- ISBN à 10 chiffres
- 0262170051
- ISBN à 13 chiffres
- 9780262170055
- Édition
- 1st Edition
- Impression
- 1st Printing
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
Shai Ben-David, Steffen Bickel, Karsten Borgwardt, Michael Brückner, David Corfield, Amir Globerson, Arthur Gretton, Lars Kai Hansen, Matthias Hein, Jiayuan Huang, Choon Hui Teo, Takafumi Kanamori, Klaus-Robert Müller, Sam Roweis, Neil Rubens, Tobias Scheffer, Marcel Schmittfull, Bernhard Schölkopf Hidetoshi Shimodaira, Alex Smola, Amos Storkey, Masashi Sugiyama
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
Masashi Sugiyama is Associate Professor in the Department of Computer Science at Tokyo Institute of Technology.
Anton Schwaighofer is an Applied Researcher in the Online Services and Advertising Group at Microsoft Research, Cambridge, U.K.
Neil D. Lawrence is Senior Lecturer and Member of the Machine Learning and Optimisation Research Group in the School of Computer Science at the University of Manchester.
Masashi Sugiyama is Associate Professor in the Department of Computer Science at Tokyo Institute of Technology.
Klaus-Robert Müller is Head of the Intelligent Data Analysis group at the Fraunhofer Institute and Professor in the Department of Computer Science at the Technical University of Berlin.
Alexander J. Smola is Senior Principal Researcher and Machine Learning Program Leader at National ICT Australia/Australian National University, Canberra.
Bernhard Schölkopf is Director at the Max Planck Institute for Intelligent Systems in Tübingen, Germany. He is coauthor of Learning with Kernels (2002) and is a coeditor of Advances in Kernel Methods: Support Vector Learning (1998), Advances in Large-Margin Classifiers (2000), and Kernel Methods in Computational Biology (2004), all published by the MIT Press.
Alexander J. Smola is Senior Principal Researcher and Machine Learning Program Leader at National ICT Australia/Australian National University, Canberra.
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
Autumn Leaves Books
Crown Point, IN, Etats-Unis
Vendeur AbeBooks depuis 21 mars 2024
Frais d'expédition à l'intérieur de ce pays : Etats-Unis
| Article | 5 à 20 jours ouvrés | 3 à 6 jours ouvrés |
|---|---|---|
| Premier article | EUR 5,61 | EUR 21,58 |
Modes de paiement
Description de la boutique
Spécialité
collectible children's and other non fictionProfil professionnel du vendeur
Autumn Leaves Books
IN, Etats-Unis
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à Autumn Leaves Books, Crown Point, Indiana, U.S.A., sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.