Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, весна 2018
Материал из MachineLearning.
(→Выбор моделей в задачах регрессии и классификации, лекции) |
(→Выбор моделей в задачах регрессии и классификации, лекции) |
||
| Строка 39: | Строка 39: | ||
==Выбор моделей в задачах регрессии и классификации, лекции== | ==Выбор моделей в задачах регрессии и классификации, лекции== | ||
Перед лекциями слушателям предлагается, по желанию, ответить на пять вопросов. Экзамен в конце семестра содержит 50 вопросов, длительность экзамена 1 пара. | Перед лекциями слушателям предлагается, по желанию, ответить на пять вопросов. Экзамен в конце семестра содержит 50 вопросов, длительность экзамена 1 пара. | ||
| + | |||
| + | == Тема 1== | ||
| + | Связанный байесовский вывод | ||
| + | |||
| + | == Тема 2== | ||
| + | Аппроксимация Лапласа | ||
| + | |||
| + | == Тема 3== | ||
| + | Оптимизация параметров | ||
| + | |||
| + | == Тема 4== | ||
| + | Оптимизация гиперпатаметров | ||
| + | |||
| + | == Тема 5== | ||
| + | Правдоподобие модели | ||
| + | |||
| + | == Тема 6== | ||
| + | Мультимодели | ||
| + | |||
| + | == Тема 7== | ||
| + | Оценка оптимального объема выборки | ||
| + | |||
| + | == Тема 8== | ||
| + | Вариационные оценки | ||
| + | |||
| + | == Тема 9== | ||
| + | Выбор обобщенно-линейных моделей | ||
| + | |||
| + | == Тема 10== | ||
| + | Выбор универсальных моделей | ||
Версия 12:32, 26 февраля 2018
Постановка задач в машинном обучении, практические занятия
Курс посвящен технике изложения основной идеи исследования. Обсуждаются постановки задач выбора моделей и способы построения функции ошибки. 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]. Желательно приводить решение задачи в краткой форме. 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]
Важно: в этом году можно делать эссе на слайдах с целью укорочения текста.
- Короткая ссылка на страницу bit.ly/2F9iLgW
Результаты
| Автор | Ссылки на эссе | Доклад | |
|---|---|---|---|
| Федоряка Дмитрий (пример) | 1 , | 1A,2A,3Z,4A,5A,6A,T7,T8 | 10 |
Задача 1
Предложить метод, аналогичный методы главных компонент для выборки с признаками, измеренными разнородных шкалах: номинальными, ординальными, линейными, с возможными пропусками. Звездочка: оценить максимальное число пропусков, допустимое для восстановления выборки с заданной точностью. Пример: Бахтеев О.И. Восстановление пропущенных значений в разнородных шкалах с большим числом пропусков // Машинное обучение и анализ данных. 2015. T. 1, №11. C. 1484 - 1499.
Выбор моделей в задачах регрессии и классификации, лекции
Перед лекциями слушателям предлагается, по желанию, ответить на пять вопросов. Экзамен в конце семестра содержит 50 вопросов, длительность экзамена 1 пара.
Тема 1
Связанный байесовский вывод
Тема 2
Аппроксимация Лапласа
Тема 3
Оптимизация параметров
Тема 4
Оптимизация гиперпатаметров
Тема 5
Правдоподобие модели
Тема 6
Мультимодели
Тема 7
Оценка оптимального объема выборки
Тема 8
Вариационные оценки
Тема 9
Выбор обобщенно-линейных моделей
Тема 10
Выбор универсальных моделей
