Математические методы прогнозирования (лекции, В.В. Стрижов)/Группа 774, осень 2020

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 12: Строка 12:
===Список вопросов и ссылки на материалы курса для зачета===
===Список вопросов и ссылки на материалы курса для зачета===
-
 
# Проблема мультиколлинеарности в задачах прогнозирования <ref name="katrutsa_chem" [http://strijov.com/papers/Katrutsa2014TestGenerationEn.pdf Katrutsa A.M., Strijov V.V. Stresstest procedure for feature selection algorithms // Chemometrics and Intelligent Laboratory Systems, 2015, 142 : 172-183.]</ref>
# Проблема мультиколлинеарности в задачах прогнозирования <ref name="katrutsa_chem" [http://strijov.com/papers/Katrutsa2014TestGenerationEn.pdf Katrutsa A.M., Strijov V.V. Stresstest procedure for feature selection algorithms // Chemometrics and Intelligent Laboratory Systems, 2015, 142 : 172-183.]</ref>
# Выбор признаков и метод Белсли <ref name="katrutsa_zavlab" [http://strijov.com/papers/Neychev2015FeatureSelection.pdf Нейчев Р.Г., Катруца А.М., Стрижов В.В. Выбор оптимального набора признаков из мультикоррелирующего множества в задаче прогнозирования // Заводская лаборатория. Диагностика материалов, 2016, 82(3) : 68-74.]</ref>
# Выбор признаков и метод Белсли <ref name="katrutsa_zavlab" [http://strijov.com/papers/Neychev2015FeatureSelection.pdf Нейчев Р.Г., Катруца А.М., Стрижов В.В. Выбор оптимального набора признаков из мультикоррелирующего множества в задаче прогнозирования // Заводская лаборатория. Диагностика материалов, 2016, 82(3) : 68-74.]</ref>
-
# Квадратичное программирование для выбора признаков <ref name="katrutsa_eswa" [Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017, 76 : 1-11.]</ref>
+
# Квадратичное программирование для выбора признаков <ref name="katrutsa_eswa" [Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017, 76 : 1-11.]</ref>
-
 
+
-
 
+
-
 
+
===Youtube video===
===Youtube video===

Версия 11:33, 22 декабря 2020

Лекции по четвергам в 10:30 тут: m1p.org/go_zoom


This course joins two parts of the problem statements in Machine Learning. The first part comes from the structure of the measured data. The data come from Physics, Chemistry and Biology and have intrinsic algebraic structure. This stricture is part of the theory that stands behind the measurement. The second part comes from errors of the measurement. The stochastic nature errors request the statistical methods of analysis. So this course joins algebra and statistics. It is devoted to the problem of predictive model selection.

The course holds two semesters: Fall 2020 and Spring 2021. It contains lectures and practical works. Out of schedule cuts off half the score. The scoring, max:

  1. Questionnaires during lectures (3)
  2. Two application projects (2+2)
  3. The final exam: problems with discussion (3)

Список вопросов и ссылки на материалы курса для зачета

  1. Проблема мультиколлинеарности в задачах прогнозирования [1]
  2. Квадратичное программирование для выбора признаков [1]
Личные инструменты