Read more
Dieses Buch erklärt den Vergleich zwischen statistischen Techniken und Techniken des maschinellen Lernens, insbesondere das Regressionsmodell und das Radial Basis Function Neural Network (RBFNN) Modell. Diese Erläuterung umfasst die mathematische Theorie und das Prinzip, auf deren Grundlage das RBFNN-Modell entwickelt wurde, und geht auf die allgemeine Annahme ein, dass Techniken des maschinellen Lernens eine "Black Box" sind, was bedeutet, dass die Mathematik des neuronalen Netzes nicht erklärt werden kann. Daher wird in diesem Buch die Mathematik der radialen Basisfunktionen erklärt, die von der Gaußfunktion abhängt. In diesem Buch werden einige Schätzungen der beiden Modelle verglichen und erläutert, wie z. B. die Summe der Fehlerquadrate, das Bayes'sche Informationskriterium und die relative Bedeutung der einzelnen erklärenden Variablen.
About the author
Ich bin Statistiker, Datenanalytiker, Programmierer, Unternehmensbewerter und Dozent für Höhere Mathematik, Statistik und Physik mit sechs Jahren Erfahrung. Ich habe einen B.Sc. (Hons) in Statistik, einen M.Sc. (Hons) in Statistik und studiere derzeit einen Master in Business Administration.
