Участник:Anastasiya

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 12: Строка 12:
'''Использование теста Грейнджера при прогнозировании временных рядов'''
'''Использование теста Грейнджера при прогнозировании временных рядов'''
-
''При прогнозировании ряда бывает полезно определить, является ли данный ряд "зависимым" от некоторого другого ряда. Выявить подобную связь помогает тест Грейнджера, основанный на статистических тестах(при этом метод не гарантирует точного результата - при сравнении двух рядов, зависящих от еще одного ряда возможна ошибка). Метод применяется при прогнозировании экономических явлений и явлений природного характера (например, землятрясений).
+
''При прогнозировании ряда бывает полезно определить, является ли данный ряд "зависимым" от некоторого другого ряда. Выявить подобную связь помогает тест Грейнджера, основанный на статистических тестах(при этом метод не гарантирует точного результата - при сравнении двух рядов, зависящих от еще одного ряда возможна ошибка). Метод применяется при прогнозировании экономических явлений и явлений природного характера (например, землятрясений). Цель работы - предложить алгоритм, наилучшим образом использующий данный метод; исследовать эффективность метода в зависимости от прогнозируемых рядов.''
-
Цель работы - предложить алгоритм, наилучшим образом использующий данный метод; исследовать эффективность метода в зависимости от прогнозируемых рядов.''
+
'''Публикация'''
'''Публикация'''
Строка 34: Строка 33:
перенесших инфаркт; больных, имеющих предрасположенность к инфаркту и здоровых
перенесших инфаркт; больных, имеющих предрасположенность к инфаркту и здоровых
пациентов двух групп. Признаками для определения состояния пациента служат измере-ния концентрации белков в крови. Одной из задач работы является выбор набора маркеров, оптимального для разделения между собой соответствующих групп. Классификация
пациентов двух групп. Признаками для определения состояния пациента служат измере-ния концентрации белков в крови. Одной из задач работы является выбор набора маркеров, оптимального для разделения между собой соответствующих групп. Классификация
-
осуществляется по принципу «каждый против каждого», то есть решаются задачи классификации всевозможных пар групп. В силу высокой стоимости анализа крови, объемы
+
осуществляется по принципу «каждый против каждого», то есть решаются задачи классификации всевозможных пар групп. В силу высокой стоимости анализа крови, объемы данных невелики, поэтому одним из результатов исследования является оценка необходи-мого объема выборки пациентов.''
-
данных невелики, поэтому одним из результатов исследования является оценка необходи-мого объема выборки пациентов.''
+
'''Публикация'''
'''Публикация'''
Строка 55: Строка 53:
'''Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний'''
'''Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний'''
-
''В работе описан алгоритм классификации пациентов, перенесших инфаркт и имеющих
+
''В работе описан алгоритм классификации пациентов, перенесших инфаркт и имеющих предрасположенность к инфаркту. Признаками для определения состояния пациента служат измерения концентрации белков в крови. Решается задача оценки параметров функции регрессии и выбора признаков в логистической регрессии. Предполагается, что объем
-
предрасположенность к инфаркту. Признаками для определения состояния пациента слу-жат измерения концентрации белков в крови. Решается задача оценки параметров функ-ции регрессии и выбора признаков в логистической регрессии. Предполагается, что объем
+
данных недостаточен, поэтому в работе предлагается способ оценки необходимого объема выборки.''
-
данных недостаточен, поэтому в работе предлагается способ оценки необходимого объема
+
-
выборки.''
+
'''Публикации'''
'''Публикации'''
Строка 97: Строка 93:
*«Многоклассовая логистическая регрессия», ПГАС
*«Многоклассовая логистическая регрессия», ПГАС
-
* Hазвание работы: <<Оценка необходимого объема выборки в задачах логистической регрессии>>,
+
'''Название дипломной работы'''
-
* Aннотация:
+
Оценка необходимого объема выборки в задачах логистической регрессии
-
В работе описан алгоритм классификации пациентов,
+
-
перенесших инфаркт и имеющих предрасположенность к инфаркту.
+
-
Признаками для определения состояния пациента служат измерения
+
-
концентрации белков в крови. Решается задача оценки параметров
+
-
функции регрессии и выбора признаков в логистической регрессии.
+
-
Предполагается, что объем данных недостаточен, поэтому в работе
+
-
предлагается способ оценки необходимого объема выборки.
+
-
 
+
-
* список публикаций (то, что подано в печать или принято - отмечать в скобках),
+
-
* выступления на конференциях,
+
-
* гранты (некоторые в кафедральных отчетах по НИР забыли упомянуть ПГАС - там был раздел).
+

Версия 20:09, 29 мая 2012

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

email: anastasia.motrenko@gmail.com

Отчет о научно-исследовательской работе

Весна 2011, 6-й семестр

Использование теста Грейнджера при прогнозировании временных рядов

При прогнозировании ряда бывает полезно определить, является ли данный ряд "зависимым" от некоторого другого ряда. Выявить подобную связь помогает тест Грейнджера, основанный на статистических тестах(при этом метод не гарантирует точного результата - при сравнении двух рядов, зависящих от еще одного ряда возможна ошибка). Метод применяется при прогнозировании экономических явлений и явлений природного характера (например, землятрясений). Цель работы - предложить алгоритм, наилучшим образом использующий данный метод; исследовать эффективность метода в зависимости от прогнозируемых рядов.

Публикация

Осень 2011, 7-й семестр

Многоклассовый прогноз вероятности наступления инфаркта

В работе описан алгоритм, позволяющий классифицировать четыре группы пациентов: перенесших инфаркт; больных, имеющих предрасположенность к инфаркту и здоровых пациентов двух групп. Признаками для определения состояния пациента служат измере-ния концентрации белков в крови. Одной из задач работы является выбор набора маркеров, оптимального для разделения между собой соответствующих групп. Классификация осуществляется по принципу «каждый против каждого», то есть решаются задачи классификации всевозможных пар групп. В силу высокой стоимости анализа крови, объемы данных невелики, поэтому одним из результатов исследования является оценка необходи-мого объема выборки пациентов.

Публикация


Весна 2012, 8-й семестр

Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний

В работе описан алгоритм классификации пациентов, перенесших инфаркт и имеющих предрасположенность к инфаркту. Признаками для определения состояния пациента служат измерения концентрации белков в крови. Решается задача оценки параметров функции регрессии и выбора признаков в логистической регрессии. Предполагается, что объем данных недостаточен, поэтому в работе предлагается способ оценки необходимого объема выборки.

Публикации

  • Мотренко А.П. Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний // Машинное обучение и анализ данных. — 2011. — № 2. — С. 354-366. — ISSN 2223-3792.
  • Мотренко А.П. Многоклассовая логистическая регрессия // Известия ТулГУ. — 2012. — № 1. — С. 153-162. — ISSN 2071-6176.

Доклад на научной конференции

Гранты

  • «Многоклассовая логистическая регрессия», ПГАС

Название дипломной работы 

Оценка необходимого объема выборки в задачах логистической регрессии
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:Anastasiya»
Личные инструменты