Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 974, весна 2012

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии)
(Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии)
Строка 149: Строка 149:
== Аннотации ==
== Аннотации ==
=== Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии ===
=== Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии ===
-
Логистическая регрессия – это статистическая модель, которая применяется для предсказания вероятности возникновения некоторого события по значениям множества признаков. Она находит применение например в медицине и кредитном скроллинге. В реальных условиях число признаков обычно велико, и важнейшей задачей является выбор только существенных признаков , а также поиск объектов, которые по тем или иным причинам являются атипичными.
+
Логистическая регрессия – это статистическая модель, которая применяется для предсказания вероятности возникновения некоторого события по значениям множества признаков. Она находит применение, например, в медицине<ref name="Motoya Machida"></ref http://math.tntech.edu/machida/MSD/lecture7.pdf> и кредитном скроллинге. В реальных условиях число признаков обычно велико, и важнейшей задачей является выбор только существенных признаков , а также поиск объектов, которые по тем или иным причинам являются атипичными.
Ключевые слова: logit model, feature selection, boosting.
Ключевые слова: logit model, feature selection, boosting.

Версия 14:39, 14 марта 2012


Список задач

Название задачи Автор Рецензент Ссылка на работу Комментарии
Алгоритмы нахождения гауссовских смесей (пример) Александра Цимбалюк Татьяна Шпакова
Локальные методы прогнозирования с выбором инвариантного преобразования Цыганова Светлана Медведникова Мария сa
Аппроксимация эмпирических функций распределения (пример) Иванова Алина с
Построение рейтинга российских вузов по открытым данным об успешности карьеры их выпускников (пример) Мария Медведникова Светлана Цыганова с
CMARS: аппроксимация сплайнами (пример) Целых Влада с
Кластеризация и составление словаря аминокислотных последовательностей Шпакова Татьяна Целых Влада
Анализ текста методами структурного обучения Бочкарева Валерия с
Сравнение методов ARMA и FLS при ретроспективном прогнозировании (пример) Макаров Виктор
Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии (пример) Степан Лобастов с
Александр Адуенко сa
Многоуровневая классификация при обнаружении движения цен (пример) Арсентий Кузьмин с
Егор Клочков с
Локальные методы прогнозирования с выбором метрики (пример) Анна Варфоломеева с

Общий план работ

Дата Что делаем Результат для обсуждения
Февраль 29 Выбрана задача, найдены базовые публикации. Аннотация, 600 знаков.
Март 7 Собрана литература, она в bib; найдены данные. Введение, примерно одна страница.
14 Поставлена задача, собраны материалы по работе. Найдены публикации. Постановка задачи, полстраницы.
21 Поставлен вычислительный эксперимент, получены первые результаты. Визуализация данных.
28 Описание алгоритма, часть 1. Теоретическая часть.
Апрель 4 Описание алгоритма, часть 2. Теоретическая часть завершена.
11 Завершение вычислительного эксперимента. Контрольная точка - показ статьи в целом.
18 Доработка статьи. Доклад, первая группа.
25 Подача статьи в журнал. Доклад, вторая группа.

Аннотации

Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии

Логистическая регрессия – это статистическая модель, которая применяется для предсказания вероятности возникновения некоторого события по значениям множества признаков. Она находит применение, например, в медицине[1]

Личные инструменты