Aprendizaje automático supervisado: Marco de optimización y aplicaciones con SAS y R

Título original:

Supervised Machine Learning: Optimization Framework and Applications with SAS and R

Contenido del libro:

Marco de IA destinado a resolver un problema de compensación entre sesgo y varianza para métodos de aprendizaje supervisado en aplicaciones de la vida real. El marco de IA se compone de bootstrapping para crear múltiples conjuntos de datos de entrenamiento y prueba con diversas características, diseño y análisis de experimentos estadísticos para identificar subconjuntos óptimos de características e hiperparámetros óptimos para métodos de ML, contaminación de datos para probar la robustez de los clasificadores.

Características principales:

⬤ El uso de métodos ML por sí mismo no garantiza la construcción de clasificadores que generalicen bien para nuevos datos.

⬤ La identificación de subconjuntos óptimos de características e hiperparámetros de los métodos ML puede resolverse mediante el diseño y análisis de experimentos estadísticos.

⬤ El uso de un enfoque de bootstrapping para el muestreo masivo de conjuntos de datos de entrenamiento y pruebas con diversas características de datos (por ejemplo, conjuntos de entrenamiento contaminados) permite hacer frente al sesgo.

⬤ El desarrollo de un entorno basado en tablas SAS permite gestionar todos los metadatos relacionados con el marco de IA propuesto y crear interoperabilidad con las bibliotecas R para llevar a cabo diversas tareas estadísticas y de aprendizaje automático.

⬤ Los programas informáticos en R y SAS que crean el marco de IA están disponibles en GitHub.