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 23:05] andrey.suchkov |
courses:data_analysis_and_interpretation:exam [2019/06/25 09:03] andrey.suchkov [Список экзаменационных вопросов] |
||
---|---|---|---|
Line 21: | Line 21: | ||
- Иерархическая группировка. | - Иерархическая группировка. | ||
- Обучаемые классификаторы: детерминистский подход. Вероятность получения линейного разделения классов. | - Обучаемые классификаторы: детерминистский подход. Вероятность получения линейного разделения классов. | ||
- | - Построение линейных решающих правил персептронного типа – обучение с коррекцией ошибок. | + | - 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 31: | 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 $\Sigma$. |