Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 974, осень 2014
Материал из MachineLearning.
(→А.А. Ивахненко, Практика и методология промышленного анализа данных) |
(→В.В. Стрижов, Регрессионный анализ) |
||
(15 промежуточных версий не показаны.) | |||
Строка 28: | Строка 28: | ||
|8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group874/Rudoy2013Essay/Rudoy2013Essay08.pdf?format=raw] | |8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group874/Rudoy2013Essay/Rudoy2013Essay08.pdf?format=raw] | ||
|8 | |8 | ||
- | | | + | | |
|- | |- | ||
|Бунаков | |Бунаков | ||
Строка 38: | Строка 38: | ||
| | | | ||
|7[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Essay7/Bunakov2014Essay7.pdf?format=raw] | |7[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Essay7/Bunakov2014Essay7.pdf?format=raw] | ||
- | | | + | |8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Essay8/Bunakov2014Essay8.pdf?format=raw] |
- | | | + | |9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Essay9/Bunakov2014Essay9.pdf?format=raw] |
- | | | + | |9 |
|- | |- | ||
|Кузьмин | |Кузьмин | ||
Строка 52: | Строка 52: | ||
|8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Kuzmin2014Essay/Essay8/Kuzmin2014Essay8.pdf?format=raw] | |8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Kuzmin2014Essay/Essay8/Kuzmin2014Essay8.pdf?format=raw] | ||
|9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Kuzmin2014Essay/Essay9/Kuzmin2014Essay9.pdf?format=raw] | |9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Kuzmin2014Essay/Essay9/Kuzmin2014Essay9.pdf?format=raw] | ||
- | | | + | |10 |
|- | |- | ||
|Кузнецова | |Кузнецова | ||
Строка 63: | Строка 63: | ||
|7[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/ClusteringTextDocuments.ipynb-2.json] | |7[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/ClusteringTextDocuments.ipynb-2.json] | ||
|8[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Kuznetsova2014Essay8.pdf?format=raw] | |8[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Kuznetsova2014Essay8.pdf?format=raw] | ||
- | | | + | |9[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Kuznetsova2014Essay9.pdf?format=raw] |
- | | | + | |10 |
|- | |- | ||
|Стенин | |Стенин | ||
Строка 76: | Строка 76: | ||
|8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenin2014Essay/Stenin2014Essay8/Stenin2014Essay8.pdf?format=raw] | |8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenin2014Essay/Stenin2014Essay8/Stenin2014Essay8.pdf?format=raw] | ||
|9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenin2014Essay/Stenin2014Essay8/Stenin2014Essay8.pdf?format=raw] | |9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenin2014Essay/Stenin2014Essay8/Stenin2014Essay8.pdf?format=raw] | ||
- | | | + | |9 |
|- | |- | ||
|Стенина | |Стенина | ||
Строка 88: | Строка 88: | ||
|8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenina2014Essay/Stenina2014Essay8/Stenina2014Essay8.pdf?format=raw] | |8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenina2014Essay/Stenina2014Essay8/Stenina2014Essay8.pdf?format=raw] | ||
|9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenina2014Essay/Stenina2014Essay8/Stenina2014Essay8.pdf?format=raw] | |9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Stenina2014Essay/Stenina2014Essay8/Stenina2014Essay8.pdf?format=raw] | ||
- | | | + | |10 |
|- | |- | ||
|Целых | |Целых | ||
Строка 98: | Строка 98: | ||
|6[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Celyh2014Essay/Celyh2014Essay6.pdf?format=raw] | |6[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Celyh2014Essay/Celyh2014Essay6.pdf?format=raw] | ||
|7[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Celyh2014Essay/Celyh2014Essay7.pdf?format=raw] | |7[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Celyh2014Essay/Celyh2014Essay7.pdf?format=raw] | ||
- | | | + | |8[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Celyh2014Essay/Celyh2014Essay8.pdf?format=raw] |
- | | | + | |9[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Celyh2014Essay/Celyh2014Essay9.pdf?format=raw] |
- | | | + | |10 |
|- | |- | ||
|} | |} | ||
Строка 197: | Строка 197: | ||
|Preference Learning | |Preference Learning | ||
|Кузнецов | |Кузнецов | ||
- | | | + | |[https://www.dropbox.com/s/pt66bxjof1qcfcr/KuznetsovPresPrefLearning.pdf?dl=0 Презентация, pdf] |
|6 ноября | |6 ноября | ||
| | | | ||
Строка 251: | Строка 251: | ||
|[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb2.nb?format=raw], [https://www.wolframcloud.com/objects/f4fb6042-be46-460f-9dc9-8fea82232af6 k-means] | |[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb2.nb?format=raw], [https://www.wolframcloud.com/objects/f4fb6042-be46-460f-9dc9-8fea82232af6 k-means] | ||
|[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb3.nb?format=raw], [https://www.wolframcloud.com/objects/9cf1a30e-43ba-477a-94b6-cd5ff7f34b72 ГА] | |[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb3.nb?format=raw], [https://www.wolframcloud.com/objects/9cf1a30e-43ba-477a-94b6-cd5ff7f34b72 ГА] | ||
- | | | + | |[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb4/ Multilevel models] |
|[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb5/ Ranks] | |[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb5/ Ranks] | ||
| | | | ||
Строка 257: | Строка 257: | ||
| | | | ||
| | | | ||
- | | | + | |9 |
|- | |- | ||
|Кузьмин | |Кузьмин | ||
Строка 269: | Строка 269: | ||
| | | | ||
| | | | ||
- | | | + | |10 |
|- | |- | ||
|Кузнецова | |Кузнецова | ||
- | |[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Demo.nb][https://www.wolframcloud.com/objects/3a2b4d61-ec82-44ac-b031-09a275f2fe44][https://programming.wolframcloud.com/app/objects/45086f56-e4d8-4f24-95aa-230357f3aa8d] | + | |[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Demo.nb][https://www.wolframcloud.com/objects/3a2b4d61-ec82-44ac-b031-09a275f2fe44 Demo][https://programming.wolframcloud.com/app/objects/45086f56-e4d8-4f24-95aa-230357f3aa8d Demo] |
- | |[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Clustering_EnsembleMetods.nb][https://www.wolframcloud.com/objects/0f23c99e-5c34-4b72-963b-9b3c1fe17526] | + | |[https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Clustering_EnsembleMetods.nb][https://www.wolframcloud.com/objects/0f23c99e-5c34-4b72-963b-9b3c1fe17526 k-means RF] |
- | + | |[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Genetic%20algorithm.ipynb.json Genetic alg.] | |
- | |[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/ | + | |[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/Mixture%20Model.ipynb.json Mixture model] |
- | + | ||
- | + | ||
- | |[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/ | + | |
| | | | ||
+ | |[http://nbviewer.ipython.org/urls/dl.dropbox.com/s/bf8s8cqjgwbq7il/Bootstrap.ipynb.json?dl=0 Cov. matrix] | ||
+ | |[http://nbviewer.ipython.org/urls/svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014Essay/ClusteringTextDocuments.ipynb-2.json Clustering] | ||
| | | | ||
| | | | ||
+ | |9 | ||
|- | |- | ||
|Стенин | |Стенин | ||
Строка 293: | Строка 293: | ||
| | | | ||
| | | | ||
- | | | + | |9 |
|- | |- | ||
|Стенина | |Стенина | ||
Строка 305: | Строка 305: | ||
| | | | ||
| | | | ||
- | | | + | |10 |
|- | |- | ||
|Целых | |Целых | ||
Строка 317: | Строка 317: | ||
| | | | ||
| | | | ||
- | | | + | |10 |
|- | |- | ||
|} | |} |
Текущая версия
В.В. Стрижов, Регрессионный анализ
Автор | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10, результат |
---|---|---|---|---|---|---|---|---|---|---|
Рудой(пример) | 1[1] | 2[2] | 3[3] | 4[4] | 5[5] | 6[6] | 7[7] | 8[8] | 8 | |
Бунаков | 1[9] | 2[10] | 3[11] | 4[12] | 5[13] | 7[14] | 8[15] | 9[16] | 9 | |
Кузьмин | 1[17] | 2[18] | 3[19] | 4[20] | 5[21] | 6[22] | 7[23] | 8[24] | 9[25] | 10 |
Кузнецова | 1[26] | 2[27] | 3[28] | 4[29] | 5[30] | 6[31] | 7[32] | 8[33] | 9[34] | 10 |
Стенин | 1[35] | 2[36] | 3[37] | 4[38] | 5[39] | 6[40] | 8[41] | 9[42] | 9 | |
Стенина | 1[43] | 2[44] | 3[45] | 4[46] | 5[47] | 6[48] | 7[49] | 8[50] | 9[51] | 10 |
Целых | 1[52] | 2[53] | 3[54] | 4[55] | 5[56] | 6[57] | 7[58] | 8[59] | 9[60] | 10 |
- Эссе помещаются в папку Surname2014Essay; каждый документ называется Surname2014EssayN, N = 1,…,10.
Список тем
- Нарисовать диаграмму, описывающую постановку задачи или ее центральную идею, и написать поясняющий текст.
- Описать в терминах Graph Rewriting один из алгоритмов порождения моделей:
- полный перебор
- построение сетей глубокого обучения: , — autoencoder, RBM, PCA
- МГУА
- нейросеть.
Литература:
- Роман Сологуб. Алгоритмы индуктивного порождения и трансформации моделей. [61]
- Ehrig H., Pfender M., Shneider H. J. Graph-grammars: An algebraic approah // Swithing and Automata Theory, 1973. SWAT '08. IEEE Conferene Reord of 14th Annual Symposium on. 1973. Pp. 167-180.
- Fundamentals of Algebraic Graph Transformation / H. Ehrig, K. Ehrig, U. Prange, G. Taentzer. illustrated edition edition. Springer, Berlin, 2006.
Список тем прошлого года
- Аппроксимация множества точек замкнутыми кривыми
- Метод группового учета аргументов в краткой нотации
- Заполнение пропусков в порядковых шкалах (и в шкалах без отношения полного порядка)
- Роль Матрицы Ганкеля в прогнозировании временных рядов
- Интегральные индикаторы в ранговых шкалах
- Порождение признаков в прикладных задачах анализа данных
- Смеси моделей, многоуровневые модели, смеси экспертов
- Отыскание общих узлов в последовательности наборов метрических конфигураций
- Регрессионный анализ задачах математического моделирования. Найти пример использования регрессионного анализа в тех задачах математического моделирования в физике, химии, биологии, и т.д., где требуется получить модель, интерпретируемую в терминах предметной области
- Машинное обучение через 20 лет: какими методами АД (МО, ИИ, ЭС, АЗ,...) мы будем пользоваться? Какие задачи мы будет решать? Что я буду делать в своей профессиональной области?
К.В. Рудаков, Интеллектуальные системы
Тема | Автор | Ссылка | Дата | Результат | Сумма |
---|---|---|---|---|---|
Алгоритмы индуктивного порождения и трансформации моделей | Сологуб | Диссертация, pdf, Презентация, pdf | 4 сентября | NIR(3) + OK(5)+1/4 * [(0/GR)+(8/10)+(8/10AM)+(8/10AR)+(9/10)+(4.5/5)+(10/10)+(4.5/5)+(9/10)] | 9.75 |
?? | Адуенко | ?? | 11 сентября | NIR(3) + OK(5) + 1/4 * [(2.5/5RS) + (0/5MS) + (0/5VC) + (0/5AK) + (0/5RK) + (0/5VB)] | 8.125 |
От нейронных сетей к Deep Learning | Бунаков | Презентация, pdf | 30 октября | NIR(3) + OK(5) + 1/4 * [(2.5/5RS) + (5/5AA) + (5/5MS) + (5/5VC) + (3.5/5AK) + (5/5RK) + (4.5/5SS)] | 9.525 |
Иерархическое тематическое моделирование вероятностный и детерминистский подход: тестирование моделей. | Кузьмин | Презентация, pdf | 2 октября | NIR(3) + OK(5) + 1/4 * [(0/5RS) + (0/5AA) + (0/5MS) + (0/5VC) + (0/5RK) + (0/5VB)] | 8 |
Self-Modeling Regression | Кузнецова | 16 октября | NIR(3) + OK(5) + 1/4 * [(2.5/5RS) + (4/5AA)+ (0/5MS) + (0/5VC) + (5/5AK) + (5/5VB)] | 8.825 | |
n-grams in topic modeling | Стенин | Презентация, pdf | 23 октября | NIR(3) + OK(5) + 1/4 * [(3.5/5RS) + (5/5AA) + (5/5MS) + (0/5VC) + (4.5/5AK) + (5/5RK) + (5/5VB)] | 9.4 |
Иерархическое согласование прогнозов временных рядов | Стенина | Статья, pdf | 18 сентября | NIR(3) + OK(5) + 1/4 * [(4/5RS) + (5/5AA) + (5/5VC) + (4.5/5AK) + (5/5RK) + (5/5SS) + (5/5VB)] | 9.675 |
Оценивание параметров и метод bootstrap | Целых | Презентация, pdf | 25 сентября | NIR(3) + OK(5) + 1/4 * [(3.5/5RS) + (5/5AA) + (5/5MS) + (5/5AK) + (5/5RK) + (5/5SS) + (5/5VB)] | 9.675 |
Preference Learning | Кузнецов | Презентация, pdf | 6 ноября |
Список тем
- Multivariate Density Estimation
- Data Analysis Problem Statements in the Category Theory Language
- Machine Learning Problem Statements in Plate Notations
- Deep Learning: Constucting Network Superpositions (for Big Data)
- Learning of Games: Applications for Multiarm Bandits
- Problems of Voting, Expert Systems and Preference Learning
- Topic Modeling: PLSA, LDA et al.
- Data and Parameter Sampling and Applications
- Usage of Copulas
Дополнительно
- Метрические вложения
- Теория статистического обучения
Требования: Продолжительность: 1 академический час, 45 минут. Число слайдов: 20-30 (по вкусу).
- Раскрыть проблему постановки задачи Машинного обучения и анализа данных в данной теме
- Подобрать примеры постановки (и решения) известных (а может и узкоспециальных) задач
Рекомендации к стилю изложения:
- дать основные определения этой области
- привести теоретические примеры и основные свойства
- представить математические методы,
- дать теоретические постановки задач,
- привести приметы прикладных задач.
Оценки: макс. 7 баллов из 10 (5 за лекцию + 2 за тесты). Тест: готовит лектор, 5 вопросов со свободным ответом и вопрос «Основное сообщение лекции (2-3 предложения)». Результат теста: N из 5 (отображается в 1/4). 17 декабря – отчеты о научной работе.
А.А. Ивахненко, Практика и методология промышленного анализа данных
Автор | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10, результат |
---|---|---|---|---|---|---|---|---|---|---|
Бунаков | [62], Демо | [63], k-means | [64], ГА | Multilevel models | Ranks | Clustering | 9 | |||
Кузьмин | [65]Демо | [66]SVM | [67]Models | Models | Ranks | Cov. Matrix | Clustering | 10 | ||
Кузнецова | [68]DemoDemo | [69]k-means RF | Genetic alg. | Mixture model | Cov. matrix | Clustering | 9 | |||
Стенин | [70] | [], Linear Fit | ModelGeneration | ObjectTomodel | Ranks | CovMatrix | 9 | |||
Стенина | [71], Демо | [72], Random Forest | [73], Graph Rewriting | [74], Multilevel models | Ranks | Cov. matrix | Clustering | 10 | ||
Целых | [75], Демо | [76], Naive Bayes | [77], Graph Rewriting | [78], Multilevel models | Ranks | Cov. matrix | Clustering | 10 |
- Файлы помещаются в папку Surname2014Essay; каждый файл называется Surname2014NbN, N = 1,…,10. Опубликовать ссылки на web-интерфейсы.
Задание 1.
Завести учетную запись на сайте [79]. Создать учебный пример для легкого изучения языка Mathematica по образу примера Matlab.
Задание 2.
Создать графический пользовательский интерфейс для решения классических задач распознавания, классификации и кластеризации. Ссылку на веб-интерфейс посатвить рядом со ссылкой на файл Nb. См. пример.