Aprendizaje con Kernels: Máquinas de vectores soporte, regularización, optimización y mucho más

Opiniones de los lectores

El libro ofrece una exploración exhaustiva y detallada de las máquinas de vectores soporte (SVM) y los métodos de núcleo, por lo que resulta adecuado para quienes tengan una sólida formación en las disciplinas matemáticas pertinentes. Sin embargo, puede resultar abrumador para los principiantes debido a las matemáticas avanzadas que implica y a algunas omisiones en la cobertura.

⬤ Cobertura exhaustiva de las áreas clave en SVM y métodos kernel
⬤ escrito por expertos reconocidos
⬤ amplios ejemplos y referencias
⬤ capítulos bien organizados que permiten una lectura no lineal
⬤ adecuado para estudiantes de posgrado e investigadores
⬤ tratamiento matemático en profundidad de la teoría SVM.

⬤ No apto para principiantes
⬤ requiere una sólida formación en análisis funcional, probabilidad y optimización
⬤ algunos capítulos y apéndices pueden resultar insuficientes para quienes carezcan de los conocimientos adecuados
⬤ algunas erratas y errores en los teoremas
⬤ el libro empieza a parecer anticuado a medida que evoluciona el campo.

(basado en 19 opiniones de lectores)

Título original:

Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond

Contenido del libro:

Una introducción completa a las máquinas de vectores soporte y a los métodos de núcleo relacionados.

En la década de 1990 se desarrolló un nuevo tipo de algoritmo de aprendizaje basado en los resultados de la teoría del aprendizaje estadístico: la máquina de vectores de soporte (SVM). Esto dio lugar a una nueva clase de máquinas de aprendizaje teóricamente elegantes que utilizan un concepto central de las SVM, los núcleos, para una serie de tareas de aprendizaje.

Las máquinas de núcleo ofrecen un marco modular que puede adaptarse a distintas tareas y dominios mediante la elección de la función de núcleo y el algoritmo base. Están sustituyendo a las redes neuronales en diversos campos, como la ingeniería, la recuperación de información y la bioinformática. Learning with Kernels ofrece una introducción a las SVM y a los métodos de kernel relacionados.

Aunque el libro comienza con los conceptos básicos, también incluye las últimas investigaciones. Proporciona todos los conceptos necesarios para que un lector equipado con algunos conocimientos matemáticos básicos pueda adentrarse en el mundo del aprendizaje automático utilizando algoritmos de kernel teóricamente bien fundamentados pero fáciles de usar, así como comprender y aplicar los potentes algoritmos que se han desarrollado en los últimos años.