Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, осень 2018

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 18: Строка 18:
* [[Media:Aduenko2018EvidenceLogRegression.pdf|Лекция 6: Обоснованность и отбор признаков в линейной и логистической регрессии]]
* [[Media:Aduenko2018EvidenceLogRegression.pdf|Лекция 6: Обоснованность и отбор признаков в линейной и логистической регрессии]]
* [[Media:Aduenko2018EvidenceLog.pdf|Лекция 7: Обоснованность и отбор признаков в логистической регрессии]]
* [[Media:Aduenko2018EvidenceLog.pdf|Лекция 7: Обоснованность и отбор признаков в логистической регрессии]]
-
* [[Media:Aduenko2018EM.pdf|Лекция 8: EM-алгоритм для максимизации обоснованности]]
+
* [[Media:Aduenko2018EM.pdf|Лекция 8: EM-алгоритм для максимизации обоснованности]]
 +
* [[Media:Bayes_applied_1_finalizing.pdf‎|Практическое задание 1 (дорешивание, описание способа оценивания)]]
== Дополнительные материалы ==
== Дополнительные материалы ==

Версия 02:11, 4 ноября 2018


Байесовский выбор моделей Курс лекций, преподаватель Александр Александрович Адуенко

Дополнительные материалы

  1. См. последний слайд каждой лекции со списком литературы.
  2. David MacKay, 2005, Information Theory, Inference, and Learning Algorithms
  3. Christopher Bishop, 2006, Pattern Recognition and Machine Learning
  4. David Barber, 2014, Bayesian Reasoning and Machine Learning
  5. Daphne Koller and Nir Friedman, 2009, Probabilistic Graphical Models
  6. Kevin P. Murphy, 2012, Machine Learning: a Probabilistic Perspective
Личные инструменты