Версия 02:35, 19 сентября 2014

Содержание

И снова линейная регрессия. Оценивание. Проверка гипотез относительно коэффициентов. Доверительные интервалы для коэффициентов. Категориальные переменные в регрессии. Выбор информативных признаков (немного). Выбросы, гетероскедастичность, high leverage points.
Классификация. Линейные методы. Логистическая регрессия. Дискриминантный анализ. Понятие ROC-кривой, AUC. Naive Bayes.
Resampling: Кросс-валидация. Бутстреп.
Снова о подборе линейной модели. Регуляризация (ridge regression, LASSO, elastic net). Робастная регрессия.
Нелинейности. Полиномиальная регрессия. Сплайны. Локальная регрессия. GAM.
Деревья. Bagging. Boosting.
Support vector machines
Unsupervised learning: PCA, кластеризация (k-means, иерархическая), model based clustering.

Hadley Wickham: "Advanced R" [1] - Достаточно краткое, но исчерпывающее руководство от очень известного R-гуру, автора множества пакетов
Patrick Burns: "The R Inferno" [2] - "Ад R", потенциальные ошибки при программировании на R и способы их избежать. Рекомендуется к чтению после некоторого опыта в R
Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani: "An Introduction to Statistical Learning (with Applications in R)" [3] - ISL, введение в SL с примерами, основное пособие курса
Trevor Hastie, Robert Tibshirani, Jerome Friedman: "The Elements of Statistical Learning"[4] - ESL, для тех, кому предыдущая книга покажется недостаточно подробной и глубокой. Больше теории и шире охват, но гораздо сложнее и нет примеров кода

@@ Строка 19: / Строка 19: @@
 = Литература=
 ==  Основная ==
+# Hadley Wickham: "Advanced R" [http://adv-r.had.co.nz/] - Достаточно краткое, но исчерпывающее руководство от очень известного R-гуру, автора множества пакетов
+# Patrick Burns: "The R Inferno" [http://www.burns-stat.com/documents/books/the-r-inferno/] - "Ад R", потенциальные ошибки при программировании на R и способы их избежать. Рекомендуется к чтению после некоторого опыта в R
+#  Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani: "An Introduction to Statistical Learning (with Applications in R)" [http://www-bcf.usc.edu/~gareth/ISL/] - ISL, введение в SL с примерами, основное пособие курса
+# Trevor Hastie, Robert Tibshirani, Jerome Friedman: "The Elements of Statistical Learning"[http://statweb.stanford.edu/~tibs/ElemStatLearn/] - ESL, для тех, кому предыдущая книга покажется недостаточно подробной и глубокой. Больше теории и шире охват, но гораздо сложнее и нет примеров кода
 == Дополнительная ==