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

Материал из MachineLearning.

Перейти к: навигация, поиск


Список задач

Название задачи Автор Рецензент Ссылка на работу Комментарии
CMARS: аппроксимация сплайнами Целых Влада Celyh2012CMARS [.]сaipvdst.j
Алгоритмические основы построения банковских скоринговых карт Александр Адуенко Иванова Алина Aduenko2012economics [.]сaipvdstrj
Использование метода главных компонент при построении интегральных индикаторов Мария Медведникова Светлана Цыганова Medvednikova2012PCA [r]сaipvdstrj(10)
Многоуровневая классификация при обнаружении движения цен Арсентий Кузьмин Анна Варфоломеева Kuzmin2012TimeRows [.]сaipvdst..
Локальные методы прогнозирования с выбором инвариантного преобразования Цыганова Светлана Медведникова Мария Tsyganova2012 LocalForecast [r]сaipvdstr.
Локальные методы прогнозирования с выбором метрики Анна Варфоломеева Varfolomeeva2012 LocForecastMetrics [.]сaipvds...
Кластеризация и составление словаря аминокислотных последовательностей Шпакова Татьяна Целых Влада Shpakova2012Clustering [.]сaipvds...
Полиномы Чебышева и прогнозирование временных рядов Бочкарева Валерия Степан Лобастов Bochkareva2012TimeSeriesPrediction [.]сaipvds..r
Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии (пример) Степан Лобастов Егор Клочков Lobastov2012FOSelection [r]сaipvds...
Прогноз квазипериодических многомерных временных рядов непараметрическими методами (пример) Егор Клочков Александр Шульга Klochkov2012Goods4Cast [r]сaipvdst..
Векторная авторегрессия и управление макроэкономическими показателями (пример) Александр Шульга Shulga2012VAR [.]сaipvd....
Аппроксимация эмпирических функций распределения Иванова Алина Адуенко Александр Ivanova2012 ApproximateFunc [r]сai.......
Oblivious Decision Trees (пример) Кирилл Татунов Tatunov2012ObliviousDecisionTrees с.

Общий план работ

Дата Что делаем Результат для обсуждения code
Февраль 29 Выбрана задача, найдены базовые публикации. Аннотация, 600 знаков. annotation
Март 14 Собрана литература, она в bib; найдены данные. Введение, примерно одна страница. itroduction
21 Поставлена задача, собраны материалы по работе. Найдены публикации. Постановка задачи, полстраницы. problem
28 Поставлен вычислительный эксперимент, получены первые результаты. Визуализация данных. visualizing
Апрель 4 Описание алгоритма, часть 1. Теоретическая часть. document
11 Описание алгоритма, часть 2. Теоретическая часть завершена. d
18 Завершение вычислительного эксперимента. Контрольная точка - показ статьи в целом. show
25 Доработка статьи; доклад, первая группа. Доклад. talk
25 Доклад, вторая группа. Подача статьи в журнал. journal
Май 3 Доклад, третья группа. Рецензия написана, [r]-рецензенту review, [r]
10 Последний день для претендентов на оценки 10,9. Зачет (score)

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] 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.

Использование метода главных компонент при построении интегральных индикаторов

В данной работе рассматривается использование метода главных компонент при построении интегральных индикаторов. Полученные результаты сравниваются с результатами, даваемыми методом расслоения Парето. Строится интегральный индикатор для российских вузов. Для этого используются биографии 30 богатейших бизнесменов России по версии журнала "Forbes" за 2011 год.

Ключевые слова: интегральный индикатор, экспертные оценки, веса параметров, метод главных компонент, метод расслоения Парето.

Аппроксимация эмпирических функций распределения

Работа посвящена методам аппроксимации функций для эффективного вычисления интегралов. В практических задачах обычно имеются данные в определенных точках времени или пространства. При построении предположений об остальных точках возникает необходимость аппроксимации функции распределения исследуемой величины, а также оценка соответствующей ошибки. Для ее расчета есть возможность использовать методы разной точности.

Ключевые слова: метод Монте-Карло, вычисление функцй распределения, эмпирические функции распределения.

Методы локального прогнозирования с выбором преобразования

Задачи прогнозирования временных рядов имеют множество приложений в различных областях, таких как экономика, физика, медицина. Их решением является прогноз на недалекое будущее по уже известным значениям прогнозируемого ряда в предыдущие моменты времени. В работе будет построен алгоритм локального прогнозирования с учетом преобразований, позволяющий без участия человека выявить визуально похожие участки временного ряда.

Ключевые слова: локальное прогнозирование, преобразование

Черновой список задач

  1. Кластеризация и составление словаря аминокислотных последовательностей
  2. Oblique decision trees: алгоритм Яндекс для системы Полигон
  3. Сравнительный анализ регрессионных остатков в SVN-регрессии
  4. Алгоритмы нахождения гауссовских смесей
  5. Аппроксимация эмпирических функций распределения
  6. Прогноз квазипериодических многомерных временных рядов непараметрическими методами
  7. Многоуровневая классификация при обнаружении движения цен
  8. Анализ текста методами структурного обучения
  9. CMARS: аппроксимация сплайнами
  10. Полиномы Чебышева и метод прогонки при прогнозировании временных рядов
  11. Сравнение методов ARMA и FLS при ретроспективном прогнозировании
  12. Локальные методы прогнозирования с выбором метрики
  13. Локальные методы прогнозирования с выбором инвариантного преобразования
  14. Алгоритмы переборного поиска наиболее информативных объектов и признаков в логистической регрессии
  15. Векторная авторегрессия и управление макроэкономическими показателями
  16. Построение рейтинга российских вузов по открытым данным об успешности карьеры их выпускников
  17. К рейтинга российских вузов по открытым данным об успешности карьеры их выпускников

Ещё задачи

  1. Алгоритмические основы построения банковских скоринговых карт
  2. Сингулярное разложение и поисковая машина
  3. Сравнение алгоритмов многокритериальной оптимизации
  4. Уточнение экспертных оценок на данных в ранговых шкалах (интервальные, конусы, веса экспертов, копулы)
  5. Уточнение экспертных оценок при анализе работы механизма устойчивого развития энергетики
  6. Визуализация пространства параметров регрессионных моделей
  7. Восстановление регрессии методом главных компонент
  8. Оценка гиперпараметров путем сэмплирования
  9. Прореживание существенно нелинейных моделей с помощью гиперпараметров
  10. Фактор Оккама для параметрических моделей с известной областью определения параметров
  11. Создание алгоритмов последовательной модификации моделей
  12. Порождение и выбор моделей классификации

Составить

  • Список типичных типографических ошибок
  • Список ошибок BibTeX
Личные инструменты