courses:data_analysis_and_interpretation:exam
Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
|
courses:data_analysis_and_interpretation:exam [2019/01/10 23:04] andrey.suchkov |
courses:data_analysis_and_interpretation:exam [2019/06/25 09:03] andrey.suchkov [Список экзаменационных вопросов] |
||
|---|---|---|---|
| Line 19: | Line 19: | ||
| - Параллельная процедура кластеризации. Алгоритм К-внутригрупповых средних. | - Параллельная процедура кластеризации. Алгоритм К-внутригрупповых средних. | ||
| - Алгоритм автоматической классификации на основе алгоритма адаптивного выбора подклассов (АВП). | - Алгоритм автоматической классификации на основе алгоритма адаптивного выбора подклассов (АВП). | ||
| - | - Обучаемые классификаторы - детерминистский подход. Вероятность получения линейного разделения классов. | + | - Иерархическая группировка. |
| - | - Построение линейных решающих правил персептронного типа – обучение с коррекцией ошибок. | + | - Обучаемые классификаторы: детерминистский подход. Вероятность получения линейного разделения классов. |
| + | - Построение линейных решающих правил персептронного типа -- обучение с коррекцией ошибок. | ||
| - Построение линейных решающих функции методом градиентной минимизации функции качества. | - Построение линейных решающих функции методом градиентной минимизации функции качества. | ||
| - Алгоритмы оценки информативности признаков. | - Алгоритмы оценки информативности признаков. | ||
| Line 30: | Line 31: | ||
| - Оценки общностей и вращение факторов. | - Оценки общностей и вращение факторов. | ||
| - Многомерное шкалирование. | - Многомерное шкалирование. | ||
| + | ===== Перечень экзаменационных задач ===== | ||
| + | - Выполнить центрирование и нормирование матрицы данных. | ||
| + | - Построить байесовское решающее правило для двух классов для нормального распределения. | ||
| + | - Построить решающее правило для классификации двух классов на основе апостериорных вероятностей. | ||
| + | - Найти уравнение линии равной плотности вероятностей $f(x) = C$, для двумерного нормального распределения. | ||
| + | - Построить решающую функцию для классификации 2-х нормальных классов | ||
| + | - Найти расстояние Махалонобиса для двух классов. Найти выражение для средней ошибки классификации этих классов с использованием байесовской решающей функции. | ||
| + | - Построить решающее правило для классификации двух классов с разными матрицами ковариации. | ||
| + | - Написать первые 3 шага персептронной процедуры обучения для классификации двух классов $X_1$, $X_2$, состоящих из векторов заданных построчно в матрицах $X_1$, $X_2$. | ||
| + | - Определить расстояние между двумя кластерами $C_1$ , $C_2$ по методу ближайшего соседства. | ||
| + | - Написать два шага процедуры кластеризации по методу K-средних. | ||
| + | - Произвести иерархическую кластеризацию данных, заданных построчно в матрице $C$. | ||
| + | - Найти выражения главных компонент для набора данных с заданной матрицей ковариации $\Sigma$. | ||
courses/data_analysis_and_interpretation/exam.txt · Last modified: 2022/12/10 09:08 (external edit)
Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 International
