近年來，機器學(xué)習(xí)技術(shù)的快速發(fā)展推動了語音、自然語言處理、機器視覺等多個領(lǐng)域獲得巨大進(jìn)步，也帶動了人工智能相關(guān)產(chǎn)業(yè)的蓬勃發(fā)展。

回顧機器學(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)已在人工智能實踐中被廣泛使用，例如，對搜索、推薦、廣告的核心任務(wù)——點擊率預(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——這是所有機器學(xué)習(xí)方法（無論是深度學(xué)習(xí)，還是經(jīng)典機器學(xué)習(xí)方法）與生俱來的根本問題。

正是這個獨特的研究視角，使集成學(xué)習(xí)對包括深度學(xué)習(xí)在內(nèi)的所有機器學(xué)習(xí)方法都很有價值。

雖然在人類社會中，使用多個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。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現(xiàn)。集成學(xué)習(xí)方法在實踐中獲得了巨大成功，本書也向讀者闡述了集成學(xué)習(xí)在如計算機視覺、醫(yī)療、信息安全和數(shù)據(jù)挖掘競賽等領(lǐng)域中的?應(yīng)用實踐?。

本書面向研究人員、學(xué)生和實踐者介紹集成學(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)、主動學(xué)習(xí)、代價敏感學(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)計算機系機器學(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。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)與實踐經(jīng)驗，確保了中文版忠于原著且行文流暢。

人工智能探索與實踐叢書

《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（單個算法的實現(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。

這也是小編想要向大家說的，

本書既具權(quán)威性又兼容并包，一定能讓廣大讀者朋友們真正從中獲益！

最后再次真誠推薦給所有AI領(lǐng)域從業(yè)者，一定不要錯過這本凝聚大師智慧、國內(nèi)獨本剖析集成學(xué)習(xí)的技術(shù)佳作！

▼立即加入本書交流群▼

與更多讀者一同學(xué)習(xí)

?

來說說你對這本書的期待吧

小編將從在看丨留言丨分享至朋友圈的三連用戶中

抽取五位幸運同學(xué)

送出周志華教授簽名新書

活動截止時間為 7?月 26?日 14:00

????

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁搜索「PaperWeekly」

點擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學(xué)術(shù)平臺。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結(jié)

以上是生活随笔為你收集整理的周志华教授签名新书免费送！豆瓣满分森林书破解AI实践难题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。