Содержание

Программа

Введение. Что такое statistical learning. Примеры. (05.09) Файл:SL-01-SLIntro.pdf
И снова линейная регрессия. Оценивание. Проверка гипотез относительно коэффициентов. Доверительные интервалы для коэффициентов. (19.09) Файл:SL-02-Regression.pdf Домашнее задание Файл:Task 19sep.pdf (j(обновил файл, добавил новое задание-вопрос с лекции)

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.

Сырая версия history от 5 и 19 сентября (скоро выложу в виде отформатированного конспекта) Файл:Hist5sep.R.gz Файл:Hist19sep.R.gz

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

[5] - Сайт lattice
Sarkar, Deepayan: "Lattice. Multivariate Data Visualization with R" [6] - Исчерпывающий обзор графической системы "lattice" с примерами использования
[7] - Сайт ggplot2
Winston Chang: "R Graphics Cookbook" [8] - Введение в ggplot и рецепты
Hadley Wickham: "ggplot2: Elegant Graphics for Data Analysis" [9] - Книга от создателя ggplot, для тех, кто хочет разобраться с внутренним устройством пакета и проектировать собственные графики
Q. Ethan McCallum, Stephen Weston: "Parallel R. Data Analysis in the Distributed World " [10] - Книга содержит исчерпывающую информацию о параллельном программировании на R (включая кластеры и облака)