机器学习中的样例选择

本书可作为从事机器学习和数据挖掘研究科研人员的参考书，也可以作为人工智能、数据科学与技术、 应用数学、计算机科学与技术等专业高年级本科生和研究生机器学习和数据挖掘课程的教学参考书．

随着数据存储技术、网络技术和云计算技术的快速发展, 数据正以前所未有的速度在不断地增长和积累。在各种实际应用中, 需要处理的数据量越来越大。 而样例选择就是从包括冗余或噪声的海量数据中选择重要数据的技术, 是机器学习的重要数据预处理步骤, 对后续学习算法的训练及性能有很大的影响. 在机器学习中, 样例选择有两种场景：一是主动学习场景, 二是监督学习场景. 《机器学习中的样例选择》结合作者及研究团队近年来关于样例选择的研究成果, 系统介绍了两种场景下样例选择的理论和方法以及两种场景下样例选择之间的区别与联系。另外，《机器学习中的样例选择》内容涵还盖了样例选择的最新研究进展。

翟俊海
—————————-
翟俊海：河北大学教授，博士生导师，河北省机器学习与计算智能重点实验室主任，河北省机器学习学会理事长，河北省高校大数据教育联盟专家委员会委员，河北大学学术委员会委员。中国人工智能学会知识工程与分布智能专业委员会委员、粒计算与知识发现专业委员会委员。主要研究方向为大数据处理、机器学习、深度学习。近5年主持和主研国家和省部级科研项目7项。发表学术论文70余篇，其中SCI检索17篇，ESI高被引论文2篇。获河北省自然科学三等奖1项（排名第2）。

第1章 机器学习基础
第2章 主动学习中的样例选择
第3章 监督学习中的样例选择
第4章 大数据样例选择
第5章 模糊样例选择