Assessing and Improving Prediction and Classification
Timothy Masters
- Editorial
- Apress
- Año
- 2017
- Páginas
- ~517
- Nivel
- Intermedio
De qué trata
Tratado cuantitativo avanzado escrito por Timothy Masters y publicado por Apress en 2017. Aborda las técnicas estadísticas y de aprendizaje automático para validar y optimizar algoritmos predictivos implementados en C++.
Cubre medidas rigurosas de rendimiento: curvas ROC, matrices de confusión, validación cruzada (k-fold y leave-one-out), calibración de probabilidades, remuestreo bootstrap y métodos de regularización para evitar el sobreajuste (overfitting).
El autor acompaña las explicaciones matemáticas con código C++ completo y altamente optimizado para cómputo científico intensivo. Muy recomendado para desarrolladores de machine learning cuantitativo y finanzas.
- Machine Learning en C++
- Timothy Masters
- Curvas ROC
- Validación Cruzada
- Bootstrap
- Estadística Cuantitativa
- Apress
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Motor Cuantitativo de Validación de Modelos Predictivos en C++
Implementación de una biblioteca de evaluación de clasificadores con cálculo de curvas ROC, remuestreo bootstrap y análisis de calibración.
