Участник:Aleksandra.Tokmakova
Материал из MachineLearning.
(→Отчет о научно-исследовательской работе за 8 семестр) |
(→Отчет о научно-исследовательской работе за 8 семестр) |
||
| Строка 14: | Строка 14: | ||
Рассматривается задача выбора регрессионной модели. Предполагается, что вектор параметров модели − многомерная случайная величина с независимо распределёнными компонентами. В работе предложен способ оптимизации праметров и гиперпараметров. Приведены явные оценки гиперпараметров для случая линейных и нелинейных моделей. Показано как полученные оценки используются для отбора признаков. Предложенный подход сравнивается с подходом, использующим для лценки гиперпараметров аппроксимацию Лапласа. | Рассматривается задача выбора регрессионной модели. Предполагается, что вектор параметров модели − многомерная случайная величина с независимо распределёнными компонентами. В работе предложен способ оптимизации праметров и гиперпараметров. Приведены явные оценки гиперпараметров для случая линейных и нелинейных моделей. Показано как полученные оценки используются для отбора признаков. Предложенный подход сравнивается с подходом, использующим для лценки гиперпараметров аппроксимацию Лапласа. | ||
| - | Ключевые слова: регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод. | + | |
| + | ''Ключевые слова:'' регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод. | ||
'''Список публикаций''' | '''Список публикаций''' | ||
Версия 10:44, 29 мая 2012
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
Отчет о научно-исследовательской работе за 8 семестр
Название
Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков
Аннотация
Рассматривается задача выбора регрессионной модели. Предполагается, что вектор параметров модели − многомерная случайная величина с независимо распределёнными компонентами. В работе предложен способ оптимизации праметров и гиперпараметров. Приведены явные оценки гиперпараметров для случая линейных и нелинейных моделей. Показано как полученные оценки используются для отбора признаков. Предложенный подход сравнивается с подходом, использующим для лценки гиперпараметров аппроксимацию Лапласа.
Ключевые слова: регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод.
Список публикаций
Подготовлена и подана статья в журнал <<Информационные технологии>> ISSN 1684-6400 (из списка ВАК) «Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков»
Доклады на научных конференциях
2012, апрель. Участие в XIX Международной конференции студентов, аспирантов и молодых ученых «Ломоносов» с работой «Оценка ковариационных матриц параметров модели при восстановлении линейной регрессии»
Гранты
ПГАС
