周志華教授《集成學(xué)習(xí)：基礎(chǔ)與算法》發(fā)布，詳解集成學(xué)習(xí)方法
近年來，機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展推動(dòng)了語音、自然語言處理、機(jī)器視覺等多個(gè)領(lǐng)域獲得巨大進(jìn)步，也帶動(dòng)了人工智能相關(guān)產(chǎn)業(yè)的蓬勃發(fā)展。
回顧機(jī)器學(xué)習(xí)最近30 年的發(fā)展歷程，各種學(xué)習(xí)方法推陳出新、不斷演進(jìn)。但是，在此歷程中，通過構(gòu)建并結(jié)合多個(gè)學(xué)習(xí)器來完成學(xué)習(xí)任務(wù)的集成學(xué)習(xí)方法，始終是提升學(xué)習(xí)效果的重要手段，成為機(jī)器學(xué)習(xí)領(lǐng)域的“常青樹”，受到學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。
在這個(gè)深度學(xué)習(xí)應(yīng)用取得巨大成功的當(dāng)下，我們無法忽視集成學(xué)習(xí)在其中所發(fā)揮的巨大作用。在深度學(xué)習(xí)方法之上引入集成學(xué)習(xí)仍然是許多深度學(xué)習(xí)專家用來提升效果的重要手段。
集成學(xué)習(xí)技術(shù)已在人工智能實(shí)踐中被廣泛使用，例如，對搜索、推薦、廣告的核心任務(wù)——點(diǎn)擊率預(yù)估而言，GBDT （Gradient Boosting Decision Trees）因其穩(wěn)定、優(yōu)異的效果一直是事實(shí)上的工業(yè)標(biāo)準(zhǔn)；在語音識別領(lǐng)域，基于集成深度學(xué)習(xí)的聲學(xué)模型極大提升了識別效果；在異常檢測上，iForest 因其極高的檢測效率在實(shí)踐中備受關(guān)注。
? 那么，什么是集成學(xué)習(xí)？
簡而言之，集成學(xué)習(xí)從數(shù)據(jù)中顯式或隱式地學(xué)習(xí)多個(gè)模型，并將它們有效結(jié)合以獲得更可靠和更準(zhǔn)確的預(yù)測。因此，集成學(xué)習(xí)的關(guān)鍵是（a）如何從數(shù)據(jù)中學(xué)習(xí)多樣且準(zhǔn)確的模型，以及（b）如何有效地結(jié)合它們以獲得更好的結(jié)果。
集成學(xué)習(xí)與其他機(jī)器學(xué)習(xí)方法的核心區(qū)別在于：
它專注于偏差-方差權(quán)衡（Bias-Variance Tradeoff）問題——這是所有機(jī)器學(xué)習(xí)方法（無論是深度學(xué)習(xí)，還是經(jīng)典機(jī)器學(xué)習(xí)方法）與生俱來的根本問題。
正是這個(gè)獨(dú)特的研究視角，使集成學(xué)習(xí)對包括深度學(xué)習(xí)在內(nèi)的所有機(jī)器學(xué)習(xí)方法都很有價(jià)值。
?? /
雖然在人類社會中，使用多個(gè)模型解決問題的基本想法有著悠久的歷史，但關(guān)于集成學(xué)習(xí)方面的專著卻少得可憐。
為了反映集成學(xué)習(xí)領(lǐng)域的快速發(fā)展，周志華教授進(jìn)行了一次更新的深入回顧，由此森林書Ensemble Methods誕生了！?
作為一本系統(tǒng)性闡述集成學(xué)習(xí)的著作，本書在國外一出版便引發(fā)了領(lǐng)域內(nèi)的巨大轟動(dòng)。在亞馬遜AMAZON上，本書擁有4星+的好成績，“Great Book”一詞更是被讀者們刷爆評論區(qū)！
被譽(yù)為目前全球影響力最高書評網(wǎng)站之一的Goodreads上，同樣有著4星+的好成績。
“閱讀本書后我學(xué)到了很多新技巧。”讀者對本書的喜愛也溢于言表。
由于Ensemble Methods在國內(nèi)非常難買到，本書在豆瓣讀書上的參評人數(shù)不多，但一小部分有機(jī)會讀過原著的同學(xué)硬生生把分?jǐn)?shù)給到了逆天的10分滿星！
讀者好評從2016年橫跨至2019年，無一不被這部森林書的魅力折服。
? 通殺豆瓣、亞馬遜、Goodreads的森林書，都講了什么？
全書化繁為簡，用通俗易懂的表述方式重點(diǎn)講解集成學(xué)習(xí)的主流代表性技術(shù)?Boosting?，并詳釋了重要算法的實(shí)現(xiàn)。集成學(xué)習(xí)方法在實(shí)踐中獲得了巨大成功，本書也向讀者闡述了集成學(xué)習(xí)在如計(jì)算機(jī)視覺、醫(yī)療、信息安全和數(shù)據(jù)挖掘競賽等領(lǐng)域中的?應(yīng)用實(shí)踐?。
本書面向研究人員、學(xué)生和實(shí)踐者介紹集成學(xué)習(xí)方法。全書共8章，分為三部分。
第一部分主要介紹集成學(xué)習(xí)的背景知識。
第二部分主要介紹集成學(xué)習(xí)方法的核心知識，包括Boosting、Bagging、Random Forests 等經(jīng)典算法，平均、投票和Stacking 等模型和方法、相關(guān)理論分析工作，以及多樣性度量和增強(qiáng)方面的進(jìn)展。
第三部分介紹集成學(xué)習(xí)方法的進(jìn)階議題，包括集成修剪、聚類集成和集成學(xué)習(xí)方法在半監(jiān)督學(xué)習(xí)、主動(dòng)學(xué)習(xí)、代價(jià)敏感學(xué)習(xí)、類別不平衡學(xué)習(xí)及提升可理解性方面的進(jìn)展。
此外，本書還在每章的“拓展閱讀”部分提供了相關(guān)的進(jìn)階內(nèi)容。
? 森林書——中文版來了！
圖書資源的匱乏，給國內(nèi)從事集成學(xué)習(xí)研究和實(shí)踐的人們帶來了很大的障礙！值得慶幸的是，李楠博士現(xiàn)將這部深入剖析集成學(xué)習(xí)思想的著作進(jìn)行了高質(zhì)量地翻譯！
李楠博士畢業(yè)于南京大學(xué)計(jì)算機(jī)系機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究所(LAMDA)，師從周志華教授從事機(jī)器學(xué)習(xí)研究。曾發(fā)表論文20余篇，并獲國際數(shù)據(jù)挖掘競賽冠軍及最佳論文獎(jiǎng)。先后供職于阿里巴巴iDST/達(dá)摩院和微軟亞洲互聯(lián)網(wǎng)工程院，長期從事機(jī)器學(xué)習(xí)在互聯(lián)網(wǎng)搜索、推薦和廣告中的研究和應(yīng)用工作。
李楠博士擁有非常豐富的理論基礎(chǔ)與實(shí)踐經(jīng)驗(yàn)，確保了中文版忠于原著且行文流暢。
人工智能探索與實(shí)踐叢書
《集成學(xué)習(xí)：基礎(chǔ)與算法》
周志華 著 ，李楠 譯
國內(nèi)獨(dú)本剖析集成學(xué)習(xí)的著作
▼新書預(yù)售中，掃碼獲取詳情▼
本書中文版的上市迅速得到了很多大佬的關(guān)注！
阿里巴巴集團(tuán)副總裁、達(dá)摩院副院長金榕教授更是為本書熱情作序力薦！在推薦序中，金榕教授這樣寫道：
在本書中，作者充分闡述了偏差-方差權(quán)衡問題的背景知識，足以使對統(tǒng)計(jì)學(xué)不太了解的讀者也能很好地理解該問題。
此外，作者在闡述集成學(xué)習(xí)的廣度(集成學(xué)習(xí)的全貌) 和深度（單個(gè)算法的實(shí)現(xiàn)）上做了很好的平衡，結(jié)構(gòu)合理，使得本書能真正惠及廣大讀者。