Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 374, весна 2017
Материал из MachineLearning.
(→Эссе 1. Обучение по предпочтениям) |
(→Результаты) |
||
| Строка 34: | Строка 34: | ||
|- | |- | ||
|Володин Сергей | |Володин Сергей | ||
| - | | | + | | [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group374/Volodin2017Essays/Volodin2017Essay1.pdf?format=raw 1] |
| | | | ||
|- | |- | ||
Версия 18:18, 21 февраля 2017
Постановка задач в машинном обучении
Курс посвящен технике изложения основной идеи исследования. Обсуждаются постановки задач выбора моделей, оценки параметров, оптимизации. Обсуждение ведется в формате лекций и эссе. Эссе — это изложение идеи постановки и решения задачи. Изложение должно быть достаточно полным (идея восстанавливается однозначно), но кратким (полстраницы) и ясным. Задача ставится формально, желательно использование языка теории множеств, алгебры, матстатистики. Желательно ставить задачу в формате argmin. Пишется в свободной форме, с учетом нашего стиля выполнения научных работ: терминологическая точность и единство обозначений приветствуются[1]. В начале занятия из написанных эссе выбираются эссе для доклада и обсуждения. Продолжительность доклада 3 минуты. Оценка выставляется за устный доклад: A или Z баллов.
Эссе хранятся в личной папке Group374/Surname2017Essays/. В папке этого примера есть шаблон эссе. Ссылка на эссе делается по шаблону
[http://svn.code.sf.net/p/mlalgorithms/code/Group374/Surname2017Essays/Surname2017Essay1.pdf?format=raw 1]
Результаты
| Автор | Ссылки на эссе | Доклад |
|---|---|---|
| Марк Аврелий | 1, 2 | 1A, 2Z |
| Баяндина Анастасия | ||
| Белозерова Анастасия | ||
| Владимирова Мария | ||
| Володин Сергей | 1 | |
| Городницкий Олег | ||
| Иванычев Сергей | ||
| Ковалева Валерия | ||
| Малыгин Виталий | ||
| Молибог Игорь | 1 | |
| Погодин Роман | 1 | |
| Рязанов Андрей | ||
| Сафин Камиль | ||
| Федоряка Дмитрий | ||
| Цветкова Ольга | ||
| Чигринский Виктор |
Тема 1. Обучение по предпочтениям
- Strijov V.V. Methods of Preference Learning for Ordinal Classification and Decision Making, 2014, MIPT, slides
- Кузнецов М.П. Построение моделей обучения по предпочтениям с использованием порядковых экспертных оценок, 2016, МФТИ, slides
- Stenina M.M., Kuznetsov M.P., Strijov V.V. Ordinal classification using Pareto fronts // Expert Systems with Applications, 2015, 42(14) : 5947–5953 article
- Kuznetsov M.P., Strijov V.V. Methods of expert estimations concordance for integral quality estimation // Expert Systems with Applications, 2014, 41(4-2) : 1988-1996 article
- Медведникова М.М., Стрижов В.В. Построение интегрального индикатора качества научных публикаций методами ко-кластеризации // Известия Тульского государственного университета, Естественные науки, 2013, 1 : 154-165 article
Задача 1.
Согласование экспертных оценок как согласование конусов предполагает, что объекты сравнимы (являются элементами простой выборки). Что делать, если объекты не сравнимы и образуют кластерную структуру? Как проверить, сравнимы ли объекты? Требуется погрузить множество конусов с определенной на нем суммой Минковского в метрическое пространство и предложить способ построения интегральных индикаторов с использованием метрики (или функции расстояния) в пространстве описаний объектов.
