机器之心|周志华教授《集成学习：基础与算法》上市，破解AI实践难题
机器之心转载
博文视点
近年来 ， 机器学习技术的快速发展推动了语音、自然语言处理、机器视觉等多个领域获得巨大进步 ， 也带动了人工智能相关产业的蓬勃发展 。
回顾机器学习最近 30 年的发展历程 ， 各种学习方法推陈出新、不断演进 。 但是 ， 在此历程中 ， 通过构建并结合多个学习器来完成学习任务的集成学习方法 ， 始终是提升学习效果的重要手段 ， 成为机器学习领域的「常青树」 ， 受到学术界和产业界的广泛关注 。
本文插图
在这个深度学习应用取得巨大成功的当下 ， 我们无法忽视集成学习在其中所发挥的巨大作用 。 在深度学习方法之上引入集成学习仍然是许多深度学习专家用来提升效果的重要手段 。
集成学习技术已在人工智能实践中被广泛使用 ， 例如 ， 对搜索、推荐、广告的核心任务——点击率预估而言 ， GBDT （Gradient Boosting Decision Trees）因其稳定、优异的效果一直是事实上的工业标准；在语音识别领域 ， 基于集成深度学习的声学模型极大提升了识别效果；在异常检测上 ， iForest 因其极高的检测效率在实践中备受关注 。
那么 ， 什么是集成学习？
简而言之 ， 集成学习从数据中显式或隐式地学习多个模型 ， 并将它们有效结合以获得更可靠和更准确的预测 。 因此 ， 集成学习的关键是（a）如何从数据中学习多样且准确的模型 ， 以及（b）如何有效地结合它们以获得更好的结果 。
集成学习与其他机器学习方法的核心区别在于：
它专注于偏差-方差权衡（Bias-Variance Tradeoff）问题——这是所有机器学习方法（无论是深度学习 ， 还是经典机器学习方法）与生俱来的根本问题 。
正是这个独特的研究视角 ， 使集成学习对包括深度学习在内的所有机器学习方法都很有价值 。
/你也可以简单地理解为 ， 通过「人多力量大」、「三个臭皮匠赛过诸葛亮」的形式达到出其不意的效果
本文插图
/
本文插图
虽然在人类社会中 ， 使用多个模型解决问题的基本想法有着悠久的历史 ， 但关于集成学习方面的专著却少得可怜 。
为了反映集成学习领域的快速发展 ， 南京大学周志华教授进行了一次更新的深入回顾 ， 由此森林书 Ensemble Methods 诞生了！
作为一本系统性阐述集成学习的著作 ， 本书在国外一出版便引发了领域内的巨大轰动 。 在亚马逊 AMAZON 上 ， 本书拥有4 星 +的好成绩 ， 「Great Book」一词更是被读者们刷爆评论区！
本文插图
被誉为目前全球影响力最高书评网站之一的 Goodreads 上 ， 同样有着 4 星 + 的好成绩 。
【机器之心|周志华教授《集成学习：基础与算法》上市，破解AI实践难题】
本文插图
「阅读本书后我学到了很多新技巧 。 」读者对本书的喜爱也溢于言表 。
本文插图
由于 Ensemble Methods 在国内非常难买到 ， 本书在豆瓣读书上的参评人数不多 ， 但一小部分有机会读过原著的同学硬生生把分数给到了逆天的10 分满星！
本文插图
推荐阅读
![[天空迷彩]英感慨白宫代价惨重，俄：这一天终于到来，中东13国一致拒绝美国](https://imgcdn.toutiaoyule.com/20200501/20200501010356526212a_t.jpeg)
- 奇点使者|机器人“进化”出听觉！准确率高达80%，美国团队是背后操控者
- 5G|智能机器人家族将服务服贸会
- 智能机器人|Nature子刊：1秒内自愈机械损伤多肽材料
- 行业互联网|科创板首家机器人核心零部件制造商绿的谐波挂牌市值突破80亿
- 人工智能|艾米智能机器人项目落户西夏区
- 行业互联网,AI人工智能|苹果公布新的AI和机器学习培训计划
- 智能机器人|人工智能语音机器人电销
- DeepTech深科技|受折纸启发，哈佛大学团队打造微型外科机器人：可进行精密手术
- 智能机器人|V-AMR蠢蠢欲动
- 人工智能|世界上第一台工业机器人被赔本出售，研发者亏了将近四万美元