Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 974, весна 2012
Материал из MachineLearning.
Список задач
Название задачи | Автор | Рецензент | Ссылка на работу | Комментарии |
---|---|---|---|---|
CMARS: аппроксимация сплайнами | Целых Влада | Celyh2012CMARS | [.]сaipvdstrj(10) | |
Алгоритмические основы построения банковских скоринговых карт | Александр Адуенко | Иванова Алина | Aduenko2012economics | [.]сaipvdstrj(10) |
Использование метода главных компонент при построении интегральных индикаторов | Мария Медведникова | Светлана Цыганова | Medvednikova2012PCA | [r]сaipvdstrj(10) |
Многоуровневая классификация при обнаружении движения цен | Арсентий Кузьмин | Анна Варфоломеева | Kuzmin2012TimeRows | [.]сaipvdstjr(10) |
Локальные методы прогнозирования с выбором инвариантного преобразования | Цыганова Светлана | Медведникова Мария | Tsyganova2012 LocalForecast | [r]сaipvdstjr(10) |
Прогноз квазипериодических многомерных временных рядов непараметрическими методами (пример) | Егор Клочков | Александр Шульга | Klochkov2012Goods4Cast | [r]сaipvdstj.(10) |
Локальные методы прогнозирования с выбором метрики | Анна Варфоломеева | Varfolomeeva2012 LocForecastMetrics | [r]сaipvds.j. | |
Кластеризация и составление словаря аминокислотных последовательностей | Шпакова Татьяна | Целых Влада | Shpakova2012Clustering | [.]сaipvds... |
Полиномы Чебышева и прогнозирование временных рядов | Бочкарева Валерия | Степан Лобастов | Bochkareva2012TimeSeriesPrediction | [.]сaipvds..r |
Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии (пример) | Степан Лобастов | Егор Клочков | Lobastov2012FOSelection | [r]сaipvdstrj(10) |
Векторная авторегрессия и управление макроэкономическими показателями (пример) | Александр Шульга | Shulga2012VAR | [.]сaipvd.... | |
Аппроксимация эмпирических функций распределения | Иванова Алина | Адуенко Александр | Ivanova2012 ApproximateFunc | [r]сai....... |
Oblivious Decision Trees (пример) | Кирилл Татунов | Tatunov2012ObliviousDecisionTrees | с. |
Общий план работ
Дата | Что делаем | Результат для обсуждения | code | |
---|---|---|---|---|
Февраль | 29 | Выбрана задача, найдены базовые публикации. | Аннотация, 600 знаков. | annotation |
Март | 14 | Собрана литература, она в bib; найдены данные. | Введение, примерно одна страница. | itroduction |
21 | Поставлена задача, собраны материалы по работе. Найдены публикации. | Постановка задачи, полстраницы. | problem | |
28 | Поставлен вычислительный эксперимент, получены первые результаты. | Визуализация данных. | visualizing | |
Апрель | 4 | Описание алгоритма, часть 1. | Теоретическая часть. | document |
11 | Описание алгоритма, часть 2. | Теоретическая часть завершена. | d | |
18 | Завершение вычислительного эксперимента. | Контрольная точка - показ статьи в целом. | show | |
25 | Доработка статьи; доклад, первая группа. | Доклад. | talk | |
25 | Доклад, вторая группа. | Подача статьи в журнал. | journal | |
Май | 3 | Доклад, третья группа. | Рецензия написана, [r]-рецензенту | review, [r] |
10 | Последний день для претендентов на оценки 10,9. | Зачет | (score) |
Аннотации
Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии
Логистическая регрессия – это статистическая модель, которая применяется для предсказания вероятности возникновения некоторого события по значениям множества признаков. Она находит применение, например, в медицине [1] и кредитном скроллинге. В реальных условиях число признаков обычно велико, и важнейшей задачей является выбор только существенных признаков , а также поиск объектов, которые по тем или иным причинам являются атипичными.
Ключевые слова: logit model, feature selection, boosting.
Использование метода главных компонент при построении интегральных индикаторов
В данной работе рассматривается использование метода главных компонент при построении интегральных индикаторов. Полученные результаты сравниваются с результатами, даваемыми методом расслоения Парето. Строится интегральный индикатор для российских вузов. Для этого используются биографии 30 богатейших бизнесменов России по версии журнала "Forbes" за 2011 год.
Ключевые слова: интегральный индикатор, экспертные оценки, веса параметров, метод главных компонент, метод расслоения Парето.
Аппроксимация эмпирических функций распределения
Работа посвящена методам аппроксимации функций для эффективного вычисления интегралов. В практических задачах обычно имеются данные в определенных точках времени или пространства. При построении предположений об остальных точках возникает необходимость аппроксимации функции распределения исследуемой величины, а также оценка соответствующей ошибки. Для ее расчета есть возможность использовать методы разной точности.
Ключевые слова: метод Монте-Карло, вычисление функцй распределения, эмпирические функции распределения.
Методы локального прогнозирования с выбором преобразования
Задачи прогнозирования временных рядов имеют множество приложений в различных областях, таких как экономика, физика, медицина. Их решением является прогноз на недалекое будущее по уже известным значениям прогнозируемого ряда в предыдущие моменты времени. В работе будет построен алгоритм локального прогнозирования с учетом преобразований, позволяющий без участия человека выявить визуально похожие участки временного ряда.
Ключевые слова: локальное прогнозирование, преобразование
Черновой список задач
- Кластеризация и составление словаря аминокислотных последовательностей
- Oblivious decision trees: алгоритм Яндекс для системы Полигон
- Сравнительный анализ регрессионных остатков в SVN-регрессии
- Алгоритмы нахождения гауссовских смесей
- Прогноз квазипериодических многомерных временных рядов непараметрическими методами
- Многоуровневая классификация при обнаружении движения цен
- CMARS: аппроксимация сплайнами
- Полиномы Чебышева и метод прогонки при прогнозировании временных рядов
- Сравнение методов ARMA и FLS при ретроспективном прогнозировании
- Локальные методы прогнозирования с выбором метрики
- Локальные методы прогнозирования с выбором инвариантного преобразования
- Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии
- Векторная авторегрессия и управление макроэкономическими показателями
- Построение рейтинга российских вузов по открытым данным об успешности карьеры их выпускников
Ещё задачи
- Анализ текста методами структурного обучения
- Аппроксимация эмпирических функций распределения
- Алгоритмические основы построения банковских скоринговых карт
- Сингулярное разложение и поисковая машина
- Сравнение алгоритмов многокритериальной оптимизации
- Уточнение экспертных оценок на данных в ранговых шкалах (интервальные, конусы, веса экспертов, копулы)
- Уточнение экспертных оценок при анализе работы механизма устойчивого развития энергетики
- Визуализация пространства параметров регрессионных моделей
- Восстановление регрессии методом главных компонент
- Оценка гиперпараметров путем сэмплирования
- Прореживание существенно нелинейных моделей с помощью гиперпараметров
- Фактор Оккама для параметрических моделей с известной областью определения параметров
- Создание алгоритмов последовательной модификации моделей
- Порождение и выбор моделей классификации
Составить
- Список типичных типографических ошибок
- Список ошибок BibTeX