Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, весна 2018
Материал из MachineLearning.
(→Задача 1) |
м |
||
Строка 11: | Строка 11: | ||
Важно: в этом году решено делать эссе на слайдах с целью укорочения текста. Шаблон слайдов будет. | Важно: в этом году решено делать эссе на слайдах с целью укорочения текста. Шаблон слайдов будет. | ||
- | * Короткая ссылка на страницу [http://bit.ly/ | + | * Короткая ссылка на страницу [http://bit.ly/2F9iLgW bit.ly/2F9iLgW] |
== Результаты == | == Результаты == | ||
Строка 21: | Строка 21: | ||
!<tex>\Sigma</tex> | !<tex>\Sigma</tex> | ||
|- | |- | ||
+ | |Федоряка Дмитрий (пример) | ||
+ | |[http://svn.code.sf.net/p/mlalgorithms/code/Group374/Fedoriaka2017Essays/Fedoriaka2017Essay1.pdf?format=raw 1] , | ||
+ | [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Fedoriaka2017Essays/Fedoriaka2017Essay2.pdf?format=raw 2] , | ||
+ | [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Fedoriaka2017Essays/Fedoriaka2017Essay4.pdf?format=raw 4] , | ||
+ | [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Fedoriaka2017Essays/Fedoriaka2017Essay5.pdf?format=raw 5] , | ||
+ | [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Fedoriaka2017Essays/Fedoriaka2017Essay6.pdf?format=raw 6] , | ||
+ | [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Fedoriaka2017Essays/Fedoriaka2017Essay7.pdf?format=raw 7] | ||
+ | |1A,2A,3Z,4A,5A,6A,T6 | ||
+ | |10 | ||
+ | |- | ||
+ | |} | ||
== Задача 1 == | == Задача 1 == | ||
Предложить метод, аналогичный методы главных компонент для выборки с признаками, измеренными разнородных шкалах: номинальными, ординальными, линейными, с возможными пропусками. Звездочка: оценить максимальное число пропусков, допустимое для восстановления выборки с заданной точностью. Пример: [http://jmlda.org/papers/doc/2015/no11/Bakhteev2015MissingValues.pdf Бахтеев О.И. Восстановление пропущенных значений в разнородных шкалах с большим числом пропусков // Машинное обучение и анализ данных. 2015. T. 1, №11. C. 1484 - 1499.] | Предложить метод, аналогичный методы главных компонент для выборки с признаками, измеренными разнородных шкалах: номинальными, ординальными, линейными, с возможными пропусками. Звездочка: оценить максимальное число пропусков, допустимое для восстановления выборки с заданной точностью. Пример: [http://jmlda.org/papers/doc/2015/no11/Bakhteev2015MissingValues.pdf Бахтеев О.И. Восстановление пропущенных значений в разнородных шкалах с большим числом пропусков // Машинное обучение и анализ данных. 2015. T. 1, №11. C. 1484 - 1499.] |
Версия 12:20, 26 февраля 2018
Постановка задач в машинном обучении
Курс посвящен технике изложения основной идеи исследования. Обсуждаются постановки задач выбора моделей и способы построения функции ошибки. Обсуждение ведется в формате лекций и эссе. Эссе — это изложение идеи постановки и решения задачи. Изложение должно быть достаточно полным (идея восстанавливается однозначно), но кратким (полстраницы) и ясным. Задача ставится формально, желательно использование языка теории множеств, алгебры, матстатистики. Желательно ставить задачу в формате argmin. Пишется в свободной форме, с учетом нашего стиля выполнения научных работ: терминологическая точность и единство обозначений приветствуются[1]. В начале занятия из написанных эссе выбираются эссе для доклада и обсуждения. Продолжительность доклада 3 минуты. Оценка выставляется за устный доклад: A или Z баллов.
Эссе хранятся в личной папке Group374/Surname2017Essays/. В папке этого примера есть шаблон эссе. Ссылка на эссе делается по шаблону
[http://svn.code.sf.net/p/mlalgorithms/code/Group374/Surname2017Essays/Surname2017Essay1.pdf?format=raw 1]
Важно: в этом году решено делать эссе на слайдах с целью укорочения текста. Шаблон слайдов будет.
- Короткая ссылка на страницу bit.ly/2F9iLgW
Результаты
Автор | Ссылки на эссе | Доклад | |
---|---|---|---|
Федоряка Дмитрий (пример) | 1 , | 1A,2A,3Z,4A,5A,6A,T6 | 10 |
Задача 1
Предложить метод, аналогичный методы главных компонент для выборки с признаками, измеренными разнородных шкалах: номинальными, ординальными, линейными, с возможными пропусками. Звездочка: оценить максимальное число пропусков, допустимое для восстановления выборки с заданной точностью. Пример: Бахтеев О.И. Восстановление пропущенных значений в разнородных шкалах с большим числом пропусков // Машинное обучение и анализ данных. 2015. T. 1, №11. C. 1484 - 1499.