Участник:Anastasiya
Материал из MachineLearning.
| Строка 17: | Строка 17: | ||
'''Публикация''' | '''Публикация''' | ||
*{{Статья | *{{Статья | ||
| - | |автор = Мотренко А. П. | + | |автор = Мотренко А.П. |
|название = Использование теста Грейнджера при прогнозировании временных рядов | |название = Использование теста Грейнджера при прогнозировании временных рядов | ||
|журнал = Машинное обучение и анализ данных | |журнал = Машинное обучение и анализ данных | ||
| Строка 33: | Строка 33: | ||
''В работе описан алгоритм, позволяющий классифицировать четыре группы пациентов: | ''В работе описан алгоритм, позволяющий классифицировать четыре группы пациентов: | ||
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 | + | 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 | + | 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''' | ||
*{{Статья | *{{Статья | ||
| - | |автор = Мотренко А. П. | + | |автор = Мотренко А.П. |
|название = Многоклассовый прогноз вероятности наступления инфаркта | |название = Многоклассовый прогноз вероятности наступления инфаркта | ||
|журнал = Машинное обучение и анализ данных | |журнал = Машинное обучение и анализ данных | ||
| Строка 47: | Строка 47: | ||
|язык = russian | |язык = russian | ||
|страницы = 225-235 | |страницы = 225-235 | ||
| - | |url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/ | + | |url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/2011no2/pdf/Motrenko2012HAPrediction.pdf |
}} | }} | ||
| + | |||
| + | |||
| + | === 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 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.'' | ||
| + | |||
| + | '''Публикации''' | ||
| + | *{{Статья | ||
| + | |автор = Мотренко А.П. | ||
| + | |название = Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний | ||
| + | |журнал = Машинное обучение и анализ данных | ||
| + | |год = 2011 | ||
| + | |номер = 2 | ||
| + | |ISSN = 2223-3792 | ||
| + | |язык = russian | ||
| + | |страницы = 354-366 | ||
| + | |url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/2011no2/pdf/Motrenko2012SampleSize.pdf | ||
| + | }} | ||
| + | *{{Статья | ||
| + | |автор = Мотренко А.П. | ||
| + | |название = Многоклассовая логистическая регрессия | ||
| + | |журнал = Известия ТулГУ | ||
| + | |год = 2012 | ||
| + | |номер = 1 | ||
| + | |ISSN = 2071-6176 | ||
| + | |язык = russian | ||
| + | |страницы = 153-162 | ||
| + | |||
| + | }} | ||
| + | |||
| + | '''Доклад на научной конференции''' | ||
| + | *{{Статья | ||
| + | |автор = Мотренко А.П. | ||
| + | |название = Многоклассовый прогноз вероятности наступления инфаркта | ||
| + | |журнал = XIX Международная конференция студентов, аспирантов и молодых ученых «Ломоносов», апрель | ||
| + | |год = 2012 | ||
| + | |язык = russian | ||
| + | |url = http://lomonosov-msu.ru/archive/Lomonosov_2012/structure_16_1797.htm | ||
| + | }} | ||
| + | |||
| + | '''Гранты''' | ||
| + | *«Многоклассовая логистическая регрессия», ПГАС | ||
* Hазвание работы: <<Оценка необходимого объема выборки в задачах логистической регрессии>>, | * Hазвание работы: <<Оценка необходимого объема выборки в задачах логистической регрессии>>, | ||
Версия 20:06, 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
- Мотренко А.П. Использование теста Грейнджера при прогнозировании временных рядов // Машинное обучение и анализ данных. — 2011. — № 1. — С. 51-60. — ISSN 2223-3792.
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
- Мотренко А.П. Многоклассовый прогноз вероятности наступления инфаркта // Машинное обучение и анализ данных. — 2011. — № 2. — С. 225-235. — ISSN 2223-3792.
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 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.
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
- Мотренко А.П. Многоклассовый прогноз вероятности наступления инфаркта // XIX Международная конференция студентов, аспирантов и молодых ученых «Ломоносов», апрель. — 2012.
Гранты
- «Многоклассовая логистическая регрессия», ПГАС
- Hазвание работы: <<Оценка необходимого объема выборки в задачах логистической регрессии>>,
- Aннотация:
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).
