Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 974, весна 2012
Материал из MachineLearning.
(→Список задач) |
(→Общий план работ) |
||
Строка 99: | Строка 99: | ||
! Что делаем | ! Что делаем | ||
! Результат для обсуждения | ! Результат для обсуждения | ||
- | ! c | + | ! '''c'''ode |
|- | |- | ||
| Февраль | | Февраль | ||
Строка 105: | Строка 105: | ||
| Выбрана задача, найдены базовые публикации. | | Выбрана задача, найдены базовые публикации. | ||
| Аннотация, 600 знаков. | | Аннотация, 600 знаков. | ||
- | | a | + | | '''a'''nnotation |
|- | |- | ||
| Март | | Март | ||
Строка 111: | Строка 111: | ||
| Собрана литература, она в bib; найдены данные. | | Собрана литература, она в bib; найдены данные. | ||
| Введение, примерно одна страница. | | Введение, примерно одна страница. | ||
- | | i | + | | '''i'''troduction |
|- | |- | ||
| | | | ||
Строка 117: | Строка 117: | ||
| Поставлена задача, собраны материалы по работе. Найдены публикации. | | Поставлена задача, собраны материалы по работе. Найдены публикации. | ||
| Постановка задачи, полстраницы. | | Постановка задачи, полстраницы. | ||
- | | p | + | | '''p'''roblem |
|- | |- | ||
| | | | ||
Строка 123: | Строка 123: | ||
| Поставлен вычислительный эксперимент, получены первые результаты. | | Поставлен вычислительный эксперимент, получены первые результаты. | ||
| Визуализация данных. | | Визуализация данных. | ||
- | | v | + | | '''v'''isualizing |
|- | |- | ||
| Апрель | | Апрель | ||
Строка 129: | Строка 129: | ||
| Описание алгоритма, часть 1. | | Описание алгоритма, часть 1. | ||
| Теоретическая часть. | | Теоретическая часть. | ||
- | | d | + | | '''d'''ocument |
|- | |- | ||
| | | | ||
Строка 141: | Строка 141: | ||
| Завершение вычислительного эксперимента. | | Завершение вычислительного эксперимента. | ||
| Контрольная точка - показ статьи в целом. | | Контрольная точка - показ статьи в целом. | ||
- | | s | + | | '''s'''how |
|- | |- | ||
| | | | ||
Строка 147: | Строка 147: | ||
| Доработка статьи; доклад, первая группа. | | Доработка статьи; доклад, первая группа. | ||
| Доклад. | | Доклад. | ||
- | | t | + | | '''t'''alk |
|- | |- | ||
| | | | ||
Строка 153: | Строка 153: | ||
| Доклад, вторая группа. | | Доклад, вторая группа. | ||
| Подача статьи в журнал. | | Подача статьи в журнал. | ||
- | | j | + | | '''j'''ournal |
|- | |- | ||
| Май | | Май | ||
Строка 159: | Строка 159: | ||
| Доклад, третья группа. | | Доклад, третья группа. | ||
| Рецензия написана, [r]-рецензенту | | Рецензия написана, [r]-рецензенту | ||
- | | r, [r] | + | | '''r'''eview, [r] |
|- | |- | ||
| | | | ||
Строка 165: | Строка 165: | ||
| '''Последний день для претендентов на оценки 10,9.''' | | '''Последний день для претендентов на оценки 10,9.''' | ||
| Зачет | | Зачет | ||
- | | (score) | + | | '''('''score''')''' |
|- | |- | ||
|} | |} |
Версия 19:53, 30 апреля 2012
Список задач
Название задачи | Автор | Рецензент | Ссылка на работу | Комментарии |
---|---|---|---|---|
CMARS: аппроксимация сплайнами | Целых Влада | Celyh2012CMARS | [.]сaipvdst.j | |
Алгоритмические основы построения банковских скоринговых карт | Александр Адуенко | Иванова Алина | Aduenko2012economics | [.]сaipvdstrj |
Использование метода главных компонент при построении интегральных индикаторов | Мария Медведникова | Светлана Цыганова | Medvednikova2012PCA | [r]сaipvdstrj(10) |
Многоуровневая классификация при обнаружении движения цен | Арсентий Кузьмин | Анна Варфоломеева | Kuzmin2012TimeRows | [.]сaipvdst.. |
Локальные методы прогнозирования с выбором инвариантного преобразования | Цыганова Светлана | Медведникова Мария | Tsyganova2012 LocalForecast | [r]сaipvdstr. |
Локальные методы прогнозирования с выбором метрики | Анна Варфоломеева | Varfolomeeva2012 LocForecastMetrics | [.]сaipvds... | |
Кластеризация и составление словаря аминокислотных последовательностей | Шпакова Татьяна | Целых Влада | Shpakova2012Clustering | [.]сaipvds... |
Полиномы Чебышева и прогнозирование временных рядов | Бочкарева Валерия | Степан Лобастов | Bochkareva2012TimeSeriesPrediction | [.]сaipvds... |
Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии (пример) | Степан Лобастов | Егор Клочков | Lobastov2012FOSelection | [.]сaipvds... |
Прогноз квазипериодических многомерных временных рядов непараметрическими методами (пример) | Егор Клочков | Александр Шульга | Klochkov2012Goods4Cast | [.]сaipvdst.. |
Векторная авторегрессия и управление макроэкономическими показателями (пример) | Александр Шульга | ? | [.]сaipvd.... | |
Аппроксимация эмпирических функций распределения | Иванова Алина | Адуенко Александр | Ivanova2012 ApproximateFunc | [r]сai....... |
Oblivious Decision Trees (пример) | Кирилл Татунов | Tatunov2012ObliviousDecisionTrees | с. |
Общий план работ
Дата | Что делаем | Результат для обсуждения | code | |
---|---|---|---|---|
Февраль | 29 | Выбрана задача, найдены базовые публикации. | Аннотация, 600 знаков. | annotation |
Март | 14 | Собрана литература, она в bib; найдены данные. | Введение, примерно одна страница. | itroduction |
21 | Поставлена задача, собраны материалы по работе. Найдены публикации. | Постановка задачи, полстраницы. | problem | |
28 | Поставлен вычислительный эксперимент, получены первые результаты. | Визуализация данных. | visualizing | |
Апрель | 4 | Описание алгоритма, часть 1. | Теоретическая часть. | document |
11 | Описание алгоритма, часть 2. | Теоретическая часть завершена. | d | |
18 | Завершение вычислительного эксперимента. | Контрольная точка - показ статьи в целом. | show | |
25 | Доработка статьи; доклад, первая группа. | Доклад. | talk | |
25 | Доклад, вторая группа. | Подача статьи в журнал. | journal | |
Май | 3 | Доклад, третья группа. | Рецензия написана, [r]-рецензенту | review, [r] |
10 | Последний день для претендентов на оценки 10,9. | Зачет | (score) |
Аннотации
Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии
Логистическая регрессия – это статистическая модель, которая применяется для предсказания вероятности возникновения некоторого события по значениям множества признаков. Она находит применение, например, в медицине [1] и кредитном скроллинге. В реальных условиях число признаков обычно велико, и важнейшей задачей является выбор только существенных признаков , а также поиск объектов, которые по тем или иным причинам являются атипичными.
Ключевые слова: logit model, feature selection, boosting.
Использование метода главных компонент при построении интегральных индикаторов
В данной работе рассматривается использование метода главных компонент при построении интегральных индикаторов. Полученные результаты сравниваются с результатами, даваемыми методом расслоения Парето. Строится интегральный индикатор для российских вузов. Для этого используются биографии 30 богатейших бизнесменов России по версии журнала "Forbes" за 2011 год.
Ключевые слова: интегральный индикатор, экспертные оценки, веса параметров, метод главных компонент, метод расслоения Парето.
Аппроксимация эмпирических функций распределения
Работа посвящена методам аппроксимации функций для эффективного вычисления интегралов. В практических задачах обычно имеются данные в определенных точках времени или пространства. При построении предположений об остальных точках возникает необходимость аппроксимации функции распределения исследуемой величины, а также оценка соответствующей ошибки. Для ее расчета есть возможность использовать методы разной точности.
Ключевые слова: метод Монте-Карло, вычисление функцй распределения, эмпирические функции распределения.
Методы локального прогнозирования с выбором преобразования
Задачи прогнозирования временных рядов имеют множество приложений в различных областях, таких как экономика, физика, медицина. Их решением является прогноз на недалекое будущее по уже известным значениям прогнозируемого ряда в предыдущие моменты времени. В работе будет построен алгоритм локального прогнозирования с учетом преобразований, позволяющий без участия человека выявить визуально похожие участки временного ряда.
Ключевые слова: локальное прогнозирование, преобразование
Черновой список задач
- Кластеризация и составление словаря аминокислотных последовательностей (пример)
- Oblique decision trees: алгоритм Яндекс для системы Полигон (пример)
- Сравнительный анализ регрессионных остатков в SVN-регрессии (пример)
- Алгоритмы нахождения гауссовских смесей (пример)
- Аппроксимация эмпирических функций распределения (пример)
- Прогноз квазипериодических многомерных временных рядов непараметрическими методами (пример)
- Многоуровневая классификация при обнаружении движения цен (пример)
- Анализ текста методами структурного обучения (пример)
- CMARS: аппроксимация сплайнами (пример)
- Полиномы Чебышева и метод прогонки при прогнозировании временных рядов (пример)
- Сравнение методов ARMA и FLS при ретроспективном прогнозировании (пример)
- Локальные методы прогнозирования с выбором метрики (пример)
- Локальные методы прогнозирования с выбором инвариантного преобразования (пример)
- Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии (пример)
- Векторная авторегрессия и управление макроэкономическими показателями (пример)
- Построение рейтинга российских вузов по открытым данным об успешности карьеры их выпускников (пример)
- К рейтинга российских вузов по открытым данным об успешности карьеры их выпускников (пример)
Ещё задачи
- Алгоритмические основы построения банковских скоринговых карт (пример)
- Сингулярное разложение и поисковая машина (пример)
- Сравнение алгоритмов многокритериальной оптимизации (пример)
- Уточнение экспертных оценок на данных в ранговых шкалах (интервальные, конусы, веса экспертов, копулы)
- Уточнение экспертных оценок при анализе работы механизма устойчивого развития энергетики
- Кластеризация (пример) [2]
- Визуализация пространства параметров регрессионных моделей
- Восстановление регрессии методом главных компонент
- Оценка гиперпараметров путем сэмплирования
- Прореживание существенно нелинейных моделей с помощью гиперпараметров
- Фактор Оккама для параметрических моделей с известной областью определения параметров
- Создание алгоритмов последовательной модификации моделей
- Порождение и выбор моделей классификации
Составить
- Список типичных типографических ошибок
- Список ошибок BibTeX