Вьюгин В.В. Математические основы теории машинного обучения и прогнозирования

М.: МЦНМО, 2013. — 390 с.Предназначено для первоначального знакомства с математическими основами современной теории машинного обучения (Machine Learning) и теории игр на предсказания. В первой части излагаются основы статистической теории машинного обучения, рассматриваются задачи классификации и регрессии с опорными векторами, теория обобщения и алгоритмы построения разделяющих гиперплоскостей. Во второй и третьей частях рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: игры с предсказаниями и предсказания с использованием экспертных стратегий (Prediсtion with Expert Аdvice).
Для студентов и аспирантов математических и прикладных математических специальностей, а также для специалистов в области искусственного интеллекта прогнозирования и теории игр.Статистическая теория машинного обучения.
Элементы теории классификации.
Метод опорных векторов.
Нестохастические методы предсказания.
Универсальные предсказания.
Элементы сравнительной теории машинного обучения.
Агрегирующий алгоритм Вовка.
Игры и предсказания.
Элементы теории игр.
Теоретико-игровая интерпретация теории вероятностей.
Повторяющиеся игры.