Участник:EvgSokolov/Песочница

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 1: Строка 1:
-
== Вычисление концентрации с помощью контрольных проб ==
+
{|
 +
|[[Изображение:Mlseminarlogo.jpg|280px]]
 +
| valign="top"| Семинары в поддержку курса лекций [[Машинное обучение (курс лекций, К.В.Воронцов)|«Машинное обучение»]] [[Участник:Vokov|К.В.Воронцова]].
 +
На занятиях будут решаться теоретические задачи, важные для понимания и лучшего усвоения материала, читаемого на лекциях.
-
Известно, что пробы на ДНК-микрочипах бывают двух типов: целевые, предназначенные для определения концентрации РНК определенных генов в растворе, и «spike-in»-пробы, комплементарные к последовательностям, отсутствующим в ДНК исследуемого организма. Как правило, «spike-in»-РНК добавляется в раствор в известных концентрациях, и эту информацию можно использовать для настройки модели интенсивности.
+
Семинары ведутся на кафедре [[Математические методы прогнозирования (кафедра ВМиК МГУ)|ММП]] [[Факультет вычислительной математики и кибернетики МГУ| ВМиК МГУ]] с осени 2012 года.
-
Для использования данного метода необходимо несколько чипов с одинаковыми концентрациями целевой РНК и различными известными концентрациями «spike-in»-РНК.
+
Семинарист: [[Участник:EvgSokolov|Соколов Е.А.]]
 +
|}
-
Рассматривается модель Ленгмюра, описывающая зависимость интенсивности свечения пробы от концентрации РНК:
+
== Новости ==
-
{{eqno|1}}
+
<!-- * новостей нет! -->
-
::<tex> I_{spi} = \left( \frac{a_{sp} C_{si}}{C_{si} + b_{sp}} + d_{sp} \right) \varepsilon_{spi} </tex>,
+
-
где <tex>i</tex> — номер микрочипа, <tex>s</tex> — номер набора проб, <tex>p</tex> — номер пробы в наборе, <tex>I_{spi}</tex> — интенсивность свечения пробы, <tex>C_{si}</tex> — абсолютная концентрация РНК, соответствующей <tex>s</tex>-му гену <tex>i</tex>-го микрочипа (концентрация зависит от номера чипа только в том случае, если рассматривается «spike-in»-проба), <tex>\varepsilon_{spi}</tex> — логарифмически нормальная случайная величина с нулевым средним; <tex>a_{sp}, b_{sp}, d_{sp}</tex> — параметры модели.
+
== Выставление оценки за курс ==
 +
Оценка за работу в семестре и допуск к экзамену:
 +
# На семинарах изучается определенное число тем, по каждой из которых проводится проверочная работа.
 +
# Проверочная работа состоит из нескольких задач, за решение каждой из которых дается определенное число баллов. Максимальная сумма баллов, которую можно набрать за проверочную работу, равна пяти.
 +
# Если студент набирает за проверочную работу три балла или больше, то считается, что он закрыл соответствующую тему.
 +
# Оценка за работу в семестре равна средней оценке за проверочные работы.
 +
# Для получения допуска к экзамену необходимо закрыть все темы.
 +
# Если у студента на конец семестра есть незакрытые темы, то в день экзамена он решает контрольную работу, в которую входят задачи по всем таким темам. Если студент справляется со всеми задачами, то он получает допуск и сдает экзамен в день первой пересдачи. В противном случае на первой пересдаче ему выдается контрольная, в которую входят задачи, аналогичные не решенным в прошлый раз. И так далее. Когда студент справляется со всеми задачами, ему выставляется три балла за работу в семестре. Более того, оценка за экзамен ограничивается сверху тремя баллами.
 +
# В конце семестра будет проведена контрольная работа, на которой будет дана еще одна попытка решить задачи, не решенные на проверочных работах (и, соответственно, закрыть незакрытые темы).
 +
# После каждого семинара студентам выдается домашняя работа. Ее выполнение не проверяется, однако задачи из нее могут войти в проверочную работу.
-
Предполагается, что параметры описываются следующей линейной моделью:
+
Выставление итоговой оценки:
-
{{eqno|2}}
+
# Оценка за работу в семестре округляется до ближайшего целого числа (.5 округляется вверх).
-
::<tex> \begin{bmatrix} \log a_{sp} \\ \log b_{sb} \\ \log d_{sp} \end{bmatrix} = \begin{bmatrix} \gamma_A^a & \gamma_C^a & \gamma_G^a \\ \gamma_A^b & \gamma_C^b & \gamma_G^b \\ \gamma_A^d & \gamma_C^d & \gamma_G^d \end{bmatrix} * \begin{bmatrix} n_{A, sp} \\ n_{C, sp} \\ n_{G, sp} \end{bmatrix} + \begin{bmatrix} \beta_1 \\ \beta_2 \\ \beta_3 \end{bmatrix} + \begin{bmatrix} \varepsilon_1 \\ \varepsilon_2 \\ \varepsilon_3 \end{bmatrix} </tex>,
+
# Итоговая оценка находится по следующей таблице:
 +
{| class="wikitable"
 +
|-
 +
! Оценка за работу в семестре
 +
! Оценка за экзамен
 +
! Итоговая оценка
 +
|-
 +
| 3
 +
| 3
 +
| 3
 +
|-
 +
| 3
 +
| 4
 +
| 3
 +
|-
 +
| 3
 +
| 5
 +
| 4
 +
|-
 +
| 4
 +
| 3
 +
| 3
 +
|-
 +
| 4
 +
| 4
 +
| 4
 +
|-
 +
| 4
 +
| 5
 +
| 5
 +
|-
 +
| 5
 +
| 3
 +
| 4
 +
|-
 +
| 5
 +
| 4
 +
| 5
 +
|-
 +
| 5
 +
| 5
 +
| 5
 +
|}
-
где <tex>n_{A, sp}, n_{C, sp}, n_{G, sp}</tex> — число нуклеотидов типа A, C и G соответственно на пробе <tex>p</tex> набора <tex>s</tex>.
+
== Осенний семестр 2012 ==
 +
=== Расписание занятий ===
 +
{|class = "standard"
 +
! Дата !! Семинар !! Материалы !! Д/З
 +
|-
 +
|4 сентября || Семинар 1:
 +
* правила игры
 +
* основные определения, постановки задач и примеры прикладных задач
 +
||
 +
||
 +
|-
 +
|11 сентября || Семинар 2:
 +
*работа с вероятностью, условные вероятности, формула Байеса, формула полной вероятности
 +
*вероятностная постановка задачи обучения, минимизация риска, минимизация эмпирического риска
 +
*функция правдоподобия, оценки максимального правдоподобия
 +
*одномерное и многомерное нормальное распределение, ОМП для его параметров
 +
||
 +
[[Media:New.Ml.mmp.s2.pdf‎|Короткий конспект (PDF, 151Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw2.pdf|Задачи]]
 +
|-
 +
|18 сентября || Семинар не состоялся
 +
||
 +
||
 +
|-
 +
|25 сентября || Семинар не состоялся
 +
||
 +
||
 +
|-
 +
|2 октября || Семинар 3:
 +
*байесовский подход к классификации, байесовский оптимальный классификатор
 +
*параметрическое оценивание плотностей классов, нормальный дискриминантный анализ
 +
*Линейный Дискриминант Фишера (ЛДФ)
 +
*'''Проверочная работа 1'''
 +
||
 +
[[Media:Ml.mmp.s3.pdf|Короткий конспект (PDF, 154Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw3.pdf|Задачи]]
 +
|-
 +
|9 октября || Семинар 4:
 +
*смеси нормальных распределений
 +
*скрытые переменные, совместное распределение скрытых и наблюдаемых переменных
 +
*KL"=дивергенция, свойства
 +
*ЕМ"=алгоритм в общем виде
 +
*'''Проверочная работа 2'''
 +
||
 +
[[Media:Ml.mmp.s4_new.pdf|Короткий конспект (PDF, 152Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw4_1.pdf|Задачи]]
 +
|-
 +
|16 октября || Семинар 5:
 +
*Разбор прошлой домашки: ЕМ-алгоритм
 +
*Проклятие размерности
 +
*Связь парзеновского окна с алгоритмом ближайших соседей
 +
*'''Проверочная работа 3'''
 +
||
 +
[[Media:ML.mmp.s5.new.pdf|Короткий конспект (PDF, 152Кб)]]
 +
||
 +
TBC
 +
|-
 +
|23 октября || Вместо семинара состоялась дополнительная лекция
 +
||
 +
||
 +
|-
 +
|30 октября || '''Контрольная работа №1'''
 +
*Байесовские методы классификации.
 +
||
 +
||
 +
|-
 +
|6 ноября || Семинар 6:
 +
*Производящие и разделяющие подходы к классификации;
 +
*Линейные методы классификации;
 +
*Логистическая регрессия;
 +
*Многоклассовая логистическая регрессия.
 +
||
 +
[[Media:Ml.mmp.s6.pdf|Короткий конспект (PDF, 146Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw6.pdf|Задачи]]
 +
|-
 +
|13 ноября || Семинар 7:
 +
*Разбор прошлой домашки: логистическая регрессия
 +
*Метод множителей Лагранжа, условия Куна-Таккера;
 +
*Оптимальная разделающая гиперплоскость (hard-margin);
 +
*'''Проверочная работа 4'''
 +
||
 +
[[Media:Ml.mmp.s7.pdf|Короткий конспект (PDF, 200Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw7.pdf|Задачи]]
 +
|-
 +
|20 ноября || Семинар 8:
 +
*Разбор прошлой домашки: опт. раздел. гип-ть.;
 +
*Двойственная функция, двойственная задача;
 +
*Метод опорных векторов (soft-margin)
 +
*'''Проверочная работа 5'''
 +
||
 +
[[Media:Ml.mmp.s8.pdf|Короткий конспект (PDF, 200Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw8.pdf|Задачи]]
 +
|-
 +
|27 ноября || Семинар не состоялся
 +
||
 +
||
 +
|-
 +
|4 декабря || Семинар 9:
 +
*Разбор прошлой домашки: soft-margin SVM;
 +
*Линейные классификаторы, SVM;
 +
*Ядровой переход, ядровая функция;
 +
*'''Проверочная работа 6'''
 +
||
 +
[[Media:Ml.mmp.s9.pdf|Короткий конспект (PDF, 165Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw9.pdf|Задачи]]
 +
|-
 +
|10 декабря ||'''Контрольная работа 2'''
 +
||
 +
||
 +
|-
 +
|11 декабря || Семинар 10:
 +
*Линейная регрессия;
 +
*Метод наименьших квадратов;
 +
*Геометрическая интерпретация
 +
||
 +
[[Media:Ml.mmp.s10.pdf|Короткий конспект (PDF, 160Кб)]]
 +
||
 +
[[Media:Ml.mmp.hw10.pdf|Задачи]]
 +
|-
 +
|18 декабря || '''Письменный коллоквиум'''
 +
||
 +
||
 +
|-
 +
|}
-
Концентрации РНК восстанавливаются следующим образом:
+
=== Оценки ===
-
# Так как для «spike-in»-проб известны и интенсивности <tex>I_{spi}</tex>, и концентрации <tex>C_{si}</tex>, то с их помощью можно найти оценки <tex>\hat a_{sp}, \hat b_{sp}, \hat d_{sp}</tex> для параметров модели. Это делается с помощью нелинейной регрессии, минимизирующей сумму квадратов ошибок модели {{eqref|1}}.
+
'''Информация по средним баллам актуальна!'''
-
# Полученные оценки <tex>\hat a_{sp}, \hat b_{sp}, \hat d_{sp}</tex> подставляются в модель {{eqref|2}}, после чего с помощью линейной регрессии оцениваются параметры <tex>\gamma</tex> и <tex>\beta</tex>.
+
{|class = "standard sortable"
-
# Найденные на предыдущем шаге оценки для параметров <tex>\gamma</tex> и <tex>\beta</tex> используются для вычисления <tex>\hat a_{sp}, \hat b_{sp}, \hat d_{sp}</tex> для целевых проб (на шаге 1 эти параметры были найдены только для «spike-in»-проб).
+
! class="unsortable" rowspan="2"|ФИО студента !! rowspan="2" class="unsortable"|Группа !!class="unsortable" colspan="6"|Проверочные работы !!class="unsortable" rowspan="2"|Сред. пров. !! class="unsortable" colspan="3"|Контрольные работы !!class="unsortable" rowspan="2"|Коллоквиум !! class="unsortable" rowspan="2"|Экзамен !!class="unsortable" rowspan="2"|Итоговая оценка
-
# Концентрация <tex>s</tex>-го целевого гена восстанавливается путем минимизации функционала
+
|-
-
::<tex> J_s = \sum_i \sum_p \left( \log I_{spi} - \log \left( \frac{ \hat a_{sp} C_{s}}{C_{s} + \hat b_{sp}} + \hat d_{sp} \right) \right)^2 </tex>
+
! №1(3) !! №2(4) !! №3 (5) !! №4 (5) !! №5 (5)!! №6 (5)!! №1(6) !! №2(24) !! Сред.
 +
|-
 +
|Алешин И. || align="center"|317 || align="center"| 1.66|| align="center"| 2.5||align="center"| 3||align="center"| 1||align="center"|5||align="center"|3 ||align="center"| 2.693|| align="center"| 2.5|| align="center"|1.25|| align="center"| 1.875|| align="center"| 5|| align="center"| || align="center"|3
 +
|-
 +
|Антипов А. || align="center"|317 || align="center"| 0|| align="center"| 2.5||align="center"| 1||align="center"| 2||align="center"|5||align="center"|1||align="center"| 1.917|| align="center"| 1.67|| align="center"|1.875|| align="center"| 1.773|| align="center"| 4.71|| align="center"| || align="center"|4
 +
|-
 +
|Арбузова Д. || align="center"|317 || align="center"| 0|| align="center"| 2.5||align="center"| 3||align="center"| 3||align="center"|5||align="center"|4||align="center"| 2.917|| align="center"| 4.17|| align="center"|2.29|| align="center"| 3.23|| align="center"| 4.855|| align="center"| || align="center"|5
 +
|-
 +
|Горелов А. || align="center"|317 || align="center"| 3.33|| align="center"| 0||align="center"| 3||align="center"| 3||align="center"|5||align="center"|3||align="center"| 2.888|| align="center"| 3.33|| align="center"|3.33|| align="center"| 3.33|| align="center"| 4.71|| align="center"| || align="center"|5
 +
|-
 +
|Зиннурова Э. || align="center"|317 || align="center"| 1.66|| align="center"| 3.75||align="center"| 1||align="center"| 3||align="center"|3||align="center"|3||align="center"| 2.568|| align="center"| 1.67|| align="center"|3.125|| align="center"| 2.398|| align="center"| 4.71|| align="center"| || align="center"|4
 +
|-
 +
|Кузьмин А. || align="center"|317 || align="center"| 3.33||align="center"| 1.25|| align="center"| 3||align="center"| 2||align="center"|3||align="center"|3||align="center"|2.597 || align="center"| 4.17|| align="center"|3.54|| align="center"| 3.855|| align="center"| 3.696|| align="center"| || align="center"|4
 +
|-
 +
|Ломов Н. || align="center"|317 || align="center"| 3.33|| align="center"| 1.25||align="center"| 2||align="center"| 3||align="center"|5||align="center"|3||align="center"| 2.93|| align="center"| 4.17|| align="center"|3.33|| align="center"| 3.75|| align="center"| 4.493|| align="center"| || align="center"|5
 +
|-
 +
|Львов С. || align="center"|317 || align="center"| 1.66|| align="center"| 3.75||align="center"| 3||align="center"| 3||align="center"|{{важно|0}}||align="center"|4||align="center"| {{важно|2.568}}|| align="center"| 1.67|| align="center"|1.875|| align="center"| 1.773|| align="center"| 4.565|| align="center"| || align="center"|4
 +
|-
 +
|Найдин О.|| align="center"|317 || align="center"| 0|| align="center"| 0||align="center"| 1||align="center"| 2||align="center"|5||align="center"|2||align="center"| 1.667|| align="center"| 2.5|| align="center"|1.875|| align="center"| 2.188|| align="center"| 3.913|| align="center"| || align="center"|4
 +
|-
 +
|Никифоров А. || align="center"|317 || align="center"| 5||align="center"| 2.5|| align="center"| 4||align="center"| 3||align="center"|5||align="center"|3||align="center"| 3.75|| align="center"| 5|| align="center"|3.125|| align="center"| 4.063|| align="center"| 4.42|| align="center"| || align="center"|5
 +
|-
 +
|Новиков А.|| align="center"|317 || align="center"| 5|| align="center"| 3.75||align="center"| 4||align="center"| 5||align="center"|5||align="center"|5||align="center"| 4.625|| align="center"| 3.33|| align="center"|4.58|| align="center"| 3.955|| align="center"| 4.71|| align="center"| || align="center"|5
 +
|-
 +
|Петров Г.|| align="center"|317 || align="center"| 1.66|| align="center"| 3.75||align="center"| 2||align="center"| 2||align="center"|5||align="center"|3||align="center"| 2.901|| align="center"| 0.83|| align="center"|1.04|| align="center"| 0.935|| align="center"| 4.493|| align="center"| || align="center"|3
 +
|-
 +
|Подоприхин Д.|| align="center"|317 || align="center"| 5|| align="center"| 1.25||align="center"| 4||align="center"| 3||align="center"|5||align="center"|5||align="center"| 3.875|| align="center"| 3.33|| align="center"|2.08|| align="center"| 2.705|| align="center"| 4.928|| align="center"| || align="center"|5
 +
|-
 +
|Рыжков А.|| align="center"|317 || align="center"| 3.33|| align="center"| 3.75||align="center"| 3||align="center"| 2||align="center"|4||align="center"|5||align="center"| 3.513|| align="center"| 2.5|| align="center"|1.875|| align="center"| 2.188|| align="center"| 4.493|| align="center"| || align="center"|4
 +
|-
 +
|Сокурский Ю.|| align="center"|317 || align="center"| 3.33|| align="center"| 3.75||align="center"| 3||align="center"| 2||align="center"|5||align="center"|3||align="center"| 3.347|| align="center"| 2.5|| align="center"|3.125|| align="center"| 2.813|| align="center"| 4.493|| align="center"| || align="center"|4
 +
|-
 +
|Ульянов Д.|| align="center"|317 || align="center"|1.66 ||align="center"| 3.75|| align="center"| 2||align="center"| 5||align="center"|5||align="center"|3||align="center"|3.402|| align="center"| 2.5|| align="center"|3.125|| align="center"| 2.813|| align="center"| 4.71|| align="center"| || align="center"|5
 +
|-
 +
|Харациди О.|| align="center"|317 || align="center"| 1.66|| align="center"| 0||align="center"| 0||align="center"| 2||align="center"|4||align="center"|2||align="center"| 1.61|| align="center"| 3.33|| align="center"|3.33|| align="center"| 3.33|| align="center"| 4.565|| align="center"| || align="center"|4
 +
|-
 +
|Шабашев Ф.|| align="center"|317 || align="center"| 3.33|| align="center"| 0||align="center"| 1||align="center"| 4||align="center"|5||align="center"|1||align="center"| 2.388|| align="center"| 2.5|| align="center"|1.875|| align="center"| 2.813|| align="center"| 4.348|| align="center"| || align="center"|4
 +
|-
 +
|Шадриков А.|| align="center"|317 || align="center"| 1.66|| align="center"| 2.5||align="center"| 3||align="center"| 3||align="center"|4||align="center"|2||align="center"| 2.693|| align="center"| 4.17|| align="center"|3.958|| align="center"| 4.064|| align="center"| 3.55|| align="center"| || align="center"|4
 +
|-
 +
|Швец П.|| align="center"|317 || align="center"|0 || align="center"| 0||align="center"| 2||align="center"| 0||align="center"|3||align="center"|1||align="center"| 0.5|| align="center"| 2.5|| align="center"| || align="center"| || align="center"| || align="center"| || align="center"|
 +
|-
 +
|Афанасьев К.|| align="center"|316 || align="center"| 1.66|| align="center"| 2.5||align="center"| 1||align="center"| 1||align="center"|3||align="center"|3||align="center"| 2.027|| align="center"| 1.67|| align="center"|н|| align="center"| {{важно|?}}|| align="center"| 3.044|| align="center"| || align="center"|4
 +
|-
 +
|}
 +
 
 +
[[Категория:Учебные курсы]]

Версия 22:06, 23 августа 2013

Семинары в поддержку курса лекций «Машинное обучение» К.В.Воронцова.

На занятиях будут решаться теоретические задачи, важные для понимания и лучшего усвоения материала, читаемого на лекциях.

Семинары ведутся на кафедре ММП ВМиК МГУ с осени 2012 года.

Семинарист: Соколов Е.А.

Содержание

Новости

Выставление оценки за курс

Оценка за работу в семестре и допуск к экзамену:

  1. На семинарах изучается определенное число тем, по каждой из которых проводится проверочная работа.
  2. Проверочная работа состоит из нескольких задач, за решение каждой из которых дается определенное число баллов. Максимальная сумма баллов, которую можно набрать за проверочную работу, равна пяти.
  3. Если студент набирает за проверочную работу три балла или больше, то считается, что он закрыл соответствующую тему.
  4. Оценка за работу в семестре равна средней оценке за проверочные работы.
  5. Для получения допуска к экзамену необходимо закрыть все темы.
  6. Если у студента на конец семестра есть незакрытые темы, то в день экзамена он решает контрольную работу, в которую входят задачи по всем таким темам. Если студент справляется со всеми задачами, то он получает допуск и сдает экзамен в день первой пересдачи. В противном случае на первой пересдаче ему выдается контрольная, в которую входят задачи, аналогичные не решенным в прошлый раз. И так далее. Когда студент справляется со всеми задачами, ему выставляется три балла за работу в семестре. Более того, оценка за экзамен ограничивается сверху тремя баллами.
  7. В конце семестра будет проведена контрольная работа, на которой будет дана еще одна попытка решить задачи, не решенные на проверочных работах (и, соответственно, закрыть незакрытые темы).
  8. После каждого семинара студентам выдается домашняя работа. Ее выполнение не проверяется, однако задачи из нее могут войти в проверочную работу.

Выставление итоговой оценки:

  1. Оценка за работу в семестре округляется до ближайшего целого числа (.5 округляется вверх).
  2. Итоговая оценка находится по следующей таблице:
Оценка за работу в семестре Оценка за экзамен Итоговая оценка
3 3 3
3 4 3
3 5 4
4 3 3
4 4 4
4 5 5
5 3 4
5 4 5
5 5 5

Осенний семестр 2012

Расписание занятий

Дата Семинар Материалы Д/З
4 сентября Семинар 1:
  • правила игры
  • основные определения, постановки задач и примеры прикладных задач
11 сентября Семинар 2:
  • работа с вероятностью, условные вероятности, формула Байеса, формула полной вероятности
  • вероятностная постановка задачи обучения, минимизация риска, минимизация эмпирического риска
  • функция правдоподобия, оценки максимального правдоподобия
  • одномерное и многомерное нормальное распределение, ОМП для его параметров

Короткий конспект (PDF, 151Кб)

Задачи

18 сентября Семинар не состоялся
25 сентября Семинар не состоялся
2 октября Семинар 3:
  • байесовский подход к классификации, байесовский оптимальный классификатор
  • параметрическое оценивание плотностей классов, нормальный дискриминантный анализ
  • Линейный Дискриминант Фишера (ЛДФ)
  • Проверочная работа 1

Короткий конспект (PDF, 154Кб)

Задачи

9 октября Семинар 4:
  • смеси нормальных распределений
  • скрытые переменные, совместное распределение скрытых и наблюдаемых переменных
  • KL"=дивергенция, свойства
  • ЕМ"=алгоритм в общем виде
  • Проверочная работа 2

Короткий конспект (PDF, 152Кб)

Задачи

16 октября Семинар 5:
  • Разбор прошлой домашки: ЕМ-алгоритм
  • Проклятие размерности
  • Связь парзеновского окна с алгоритмом ближайших соседей
  • Проверочная работа 3

Короткий конспект (PDF, 152Кб)

TBC

23 октября Вместо семинара состоялась дополнительная лекция
30 октября Контрольная работа №1
  • Байесовские методы классификации.
6 ноября Семинар 6:
  • Производящие и разделяющие подходы к классификации;
  • Линейные методы классификации;
  • Логистическая регрессия;
  • Многоклассовая логистическая регрессия.

Короткий конспект (PDF, 146Кб)

Задачи

13 ноября Семинар 7:
  • Разбор прошлой домашки: логистическая регрессия
  • Метод множителей Лагранжа, условия Куна-Таккера;
  • Оптимальная разделающая гиперплоскость (hard-margin);
  • Проверочная работа 4

Короткий конспект (PDF, 200Кб)

Задачи

20 ноября Семинар 8:
  • Разбор прошлой домашки: опт. раздел. гип-ть.;
  • Двойственная функция, двойственная задача;
  • Метод опорных векторов (soft-margin)
  • Проверочная работа 5

Короткий конспект (PDF, 200Кб)

Задачи

27 ноября Семинар не состоялся
4 декабря Семинар 9:
  • Разбор прошлой домашки: soft-margin SVM;
  • Линейные классификаторы, SVM;
  • Ядровой переход, ядровая функция;
  • Проверочная работа 6

Короткий конспект (PDF, 165Кб)

Задачи

10 декабря Контрольная работа 2
11 декабря Семинар 10:
  • Линейная регрессия;
  • Метод наименьших квадратов;
  • Геометрическая интерпретация

Короткий конспект (PDF, 160Кб)

Задачи

18 декабря Письменный коллоквиум

Оценки

Информация по средним баллам актуальна!

ФИО студента Группа Проверочные работы Сред. пров. Контрольные работы Коллоквиум Экзамен Итоговая оценка
№1(3) №2(4) №3 (5) №4 (5) №5 (5) №6 (5) №1(6) №2(24) Сред.
Алешин И. 317 1.66 2.5 3 153 2.693 2.51.25 1.875 5 3
Антипов А. 317 0 2.5 1 251 1.917 1.671.875 1.773 4.71 4
Арбузова Д. 317 0 2.5 3 354 2.917 4.172.29 3.23 4.855 5
Горелов А. 317 3.33 0 3 353 2.888 3.333.33 3.33 4.71 5
Зиннурова Э. 317 1.66 3.75 1 333 2.568 1.673.125 2.398 4.71 4
Кузьмин А. 317 3.33 1.25 3 2332.597 4.173.54 3.855 3.696 4
Ломов Н. 317 3.33 1.25 2 353 2.93 4.173.33 3.75 4.493 5
Львов С. 317 1.66 3.75 3 304 2.568 1.671.875 1.773 4.565 4
Найдин О.317 0 0 1 252 1.667 2.51.875 2.188 3.913 4
Никифоров А. 317 5 2.5 4 353 3.75 53.125 4.063 4.42 5
Новиков А.317 5 3.75 4 555 4.625 3.334.58 3.955 4.71 5
Петров Г.317 1.66 3.75 2 253 2.901 0.831.04 0.935 4.493 3
Подоприхин Д.317 5 1.25 4 355 3.875 3.332.08 2.705 4.928 5
Рыжков А.317 3.33 3.75 3 245 3.513 2.51.875 2.188 4.493 4
Сокурский Ю.317 3.33 3.75 3 253 3.347 2.53.125 2.813 4.493 4
Ульянов Д.317 1.66 3.75 2 5533.402 2.53.125 2.813 4.71 5
Харациди О.317 1.66 0 0 242 1.61 3.333.33 3.33 4.565 4
Шабашев Ф.317 3.33 0 1 451 2.388 2.51.875 2.813 4.348 4
Шадриков А.317 1.66 2.5 3 342 2.693 4.173.958 4.064 3.55 4
Швец П.317 0 0 2 031 0.5 2.5
Афанасьев К.316 1.66 2.5 1 133 2.027 1.67н ? 3.044 4
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:EvgSokolov/%D0%9F%D0%B5%D1%81%D0%BE%D1%87%D0%BD%D0%B8%D1%86%D0%B0»
Личные инструменты