Статистическое обучение, выбор моделей и бутстреп (регулярный семинар)
Материал из MachineLearning.
м |
м (→Описание семинара) |
||
| Строка 1: | Строка 1: | ||
== Описание семинара == | == Описание семинара == | ||
| - | Одной из ключевых проблем (статистического) машинного обучения является построения классификаторов наилучшим образом предсказывающих ответы на неизвестной (контрольной) выборке при уловии того, что ответы на части данных (обучающая выборка) известны. В рамках этой задачи возникает большое число задач связанных как, например, с построением как можно более точных оценок риска, так и с задачей построения правила отбора классификаторов в рамках заданного семейства. Основное внимание группой уделается задачам частичного/трансдуктивного обучения(semi-supervised/transductive learning) и методам многоклассовой классификации. В рамках исследований группы отдельное внимание уделяется также задаче выбора модели и построения комбинаций классификаторов. | + | Одной из ключевых проблем (статистического) машинного обучения является построения классификаторов наилучшим образом предсказывающих ответы на неизвестной (контрольной) выборке при уловии того, что ответы на части данных (обучающая выборка) известны. В рамках этой задачи возникает большое число задач связанных как, например, с построением как можно более точных оценок риска, так и с задачей построения правила отбора классификаторов в рамках заданного семейства. Основное внимание группой уделается задачам частичного/трансдуктивного обучения (semi-supervised/transductive learning) и методам многоклассовой классификации. В рамках исследований группы отдельное внимание уделяется также задаче выбора модели и построения комбинаций классификаторов. |
== Время заседаний == | == Время заседаний == | ||
Версия 14:50, 23 октября 2015
Содержание |
Описание семинара
Одной из ключевых проблем (статистического) машинного обучения является построения классификаторов наилучшим образом предсказывающих ответы на неизвестной (контрольной) выборке при уловии того, что ответы на части данных (обучающая выборка) известны. В рамках этой задачи возникает большое число задач связанных как, например, с построением как можно более точных оценок риска, так и с задачей построения правила отбора классификаторов в рамках заданного семейства. Основное внимание группой уделается задачам частичного/трансдуктивного обучения (semi-supervised/transductive learning) и методам многоклассовой классификации. В рамках исследований группы отдельное внимание уделяется также задаче выбора модели и построения комбинаций классификаторов.
Время заседаний
Регулярный семинар, проводится в ИППИ РАН по понедельникам в 18-30, ауд. 616.
Научные руководители семинара
Н.К. Животовский, Е. А. Крымова, В. Г. Спокойный, Е. О. Черноусова
Организатор семинара
Совместный учебно-научный семинар магистерской программы Математические методы оптимизации и стохастики Факультета Компьютерных наук НИУ ВШЭ, Института проблем передачи информации РАН и Лаборатории ПреМоЛаб МФТИ. Куратор семинара Н.К. Животовский
Прошедшие заседания
12 октября 2015 г. Константин Мищенко TBA
19 октября 2015 г. Никита Животовский TBA
