LEADER 01648nlm  2200313   450 
001 996459352603316
005 20220309103837.0
100   $a20140510h2014----  uy             0
101 0 $aeng
102   $aUS
135   $adrcnu
200 1 $aConformal prediction for reliable machine learning$etheory, adaptations, and applications /$fVineeth Balasubramanian, Shen-Shyang Ho, Vladimir Vovk
210 1 $aWaltham$cMorgan Kaufmann$d2014
215   $aTesto elettronico (PDF) (298 p.)
230   $aBase dati testuale
330   $aIl framework delle previsioni conformi è un recente sviluppo dell'apprendimento automatico in grado di associare una misura affidabile di fiducia a una previsione in qualsiasi applicazione di riconoscimento dei modelli del mondo reale, comprese le applicazioni sensibili al rischio come la diagnosi medica, il riconoscimento facciale e la previsione del rischio finanziario. Previsioni conformi per l'apprendimento automatico affidabile: teoria, adattamenti e applicazioni acquisisce la teoria di base del framework, mostra come applicarla a problemi del mondo reale e presenta diversi adattamenti, tra cui apprendimento attivo, rilevamento dei cambiamenti e anomalie
606 0 $aApprendimento automatico$2BNCF
676   $a006.31
700  1$aBALASUBRAMANIAN,$bVineeth$01010011
702  1$aHO,$bShen-Shyang
702  1$aVOVK,$bVladimir$f1960-
801  0$bcba$aIT$bcba$gREICAT
801  1$bcba$aIT$bcba$gREICAT
801  2$bcba$aIT$bcba$gREICAT
912   $a996459352603316
959   $aEB
969   $aER
996   $aConformal prediction for reliable machine learning$92334464
997   $aUNISA