Выбор моделей в машинном обучении (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 674, осень 2019
Материал из MachineLearning.
(Различия между версиями)
| Строка 20: | Строка 20: | ||
* [[Media:Aduenko2019EM.pdf|Лекция 6: EM-алгоритм для максимизации обоснованности.]] | * [[Media:Aduenko2019EM.pdf|Лекция 6: EM-алгоритм для максимизации обоснованности.]] | ||
* [[Media:Aduenko2019EMndVariationalEM.pdf|Лекция 7: EM-алгоритм и вариационный EM-алгоритм.]] | * [[Media:Aduenko2019EMndVariationalEM.pdf|Лекция 7: EM-алгоритм и вариационный EM-алгоритм.]] | ||
| + | * [[Media:Aduenko2019VariationalEM2.pdf|Лекция 8: Вариационный EM-алгоритм и введение в гауссовские процессы.]] | ||
== Дополнительные материалы == | == Дополнительные материалы == | ||
Версия 11:19, 23 октября 2019
Байесовский выбор моделей
Курс лекций, преподаватель Александр Александрович Адуенко (aduenko1 at gmail.com)
- Курс, прочитанный осенью 2018 года
- Короткий адрес страницы http://bit.ly/2lD8lhs
- Лекция 1: Введение
- Задание 1
- Лекция 2: Введение. Экспоненциальное семейство распределений.
- Лекция 3: Байесовская линейная регрессия. Обоснованность (evidence).
- Тест 1.
- Практическое задание 1.
- Данные для практического задания 1
- Лекция 4: Байесовская линейная регрессия (напоминание). Обоснованность (evidence).
- Лекция 5: Байесовская логистическая регрессия и отбор признаков.
- Задание 2
- Тест 2
- Лекция 6: EM-алгоритм для максимизации обоснованности.
- Лекция 7: EM-алгоритм и вариационный EM-алгоритм.
- Лекция 8: Вариационный EM-алгоритм и введение в гауссовские процессы.
Дополнительные материалы
- См. последний слайд каждой лекции со списком литературы.
- David MacKay, 2005, Information Theory, Inference, and Learning Algorithms
- Christopher Bishop, 2006, Pattern Recognition and Machine Learning
- David Barber, 2014, Bayesian Reasoning and Machine Learning
- Daphne Koller and Nir Friedman, 2009, Probabilistic Graphical Models
- Kevin P. Murphy, 2012, Machine Learning: a Probabilistic Perspective
