StatisticalLearning 2014 — различия между версиями
Материал из SEWiki
(Новая страница: «= Предварительная программа = == Прочитанные лекции == # Введение. Что такое statistical learning. Прим…») |
|||
| Строка 1: | Строка 1: | ||
| − | = | + | = Программа = |
== Прочитанные лекции == | == Прочитанные лекции == | ||
# Введение. Что такое statistical learning. Примеры. ''(05.09)'' | # Введение. Что такое statistical learning. Примеры. ''(05.09)'' | ||
| − | == | + | == Возможные темы будущих лекций == |
# 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. | # 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. | ||
Версия 01:45, 19 сентября 2014
Содержание
Программа
Прочитанные лекции
- Введение. Что такое statistical learning. Примеры. (05.09)
Возможные темы будущих лекций
- 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.
