courses:data_analysis_and_interpretation:exam
Differences
This shows you the differences between two versions of the page.
|
courses:data_analysis_and_interpretation:exam [2019/01/10 23:05] andrey.suchkov |
courses:data_analysis_and_interpretation:exam [2022/12/10 09:08] |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== Экзамен ====== | ||
| - | ===== Список экзаменационных вопросов ===== | ||
| - | - Проблема обработки данных. Матрица данных. гипотеза компактности и скрытых факторов. | ||
| - | - Структура матрицы данных и задачи обработки. Матрица объект-объект и признак-признак. Расстояние и близость. | ||
| - | - Измерение признаков. Отношения и их представление. Основные проблемы измерений. | ||
| - | - Основные типы шкал. Проблема адекватности. Классификация данных: общая постановка задачи. | ||
| - | - Решающие функции и основные подходы к их построению. | ||
| - | - Классификация данных как статистическая задача. | ||
| - | - Классификация в случае двух нормальных распределений с равными матрицами ковариаций. | ||
| - | - Примеры построения решающих функции для нормальных распределений с равными диагональными матрицами ковариаций. | ||
| - | - Ошибки классификации для случая двух нормальных распределений с равными матрицами ковариаций. | ||
| - | - Апостриорная вероятность отнесения данных к классу (на основе теоремы Байеса) для случая многомерных нормальных распределений. | ||
| - | - Классификация при количестве классов больше двух (нормальное распределение с равными матрицами ковариаций). | ||
| - | - Классификация для случая двух нормальных распределений с разными матрицами ковариаций. | ||
| - | - Линейный дискриминант Фишера. | ||
| - | - Пошаговый дискриминантный анализ. | ||
| - | - Кластерный анализ: общая постановка задачи, определение расстояний между объектами и кластерами, критерии кластеризации. | ||
| - | - Последовательная процедура итеративной оптимизации в задачах кластер-анализа. | ||
| - | - Параллельная процедура кластеризации. Алгоритм К-внутригрупповых средних. | ||
| - | - Алгоритм автоматической классификации на основе алгоритма адаптивного выбора подклассов (АВП). | ||
| - | - Иерархическая группировка. | ||
| - | - 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. | ||
| - | - Алгоритмы оценки информативности признаков. | ||
| - | - Метод главных компонент для выбора признаков. | ||
| - | - Факторный анализ: общая модель. | ||
| - | - Структура факторных уравнений. Неоднозначность факторного решения. Метод главных факторов. | ||
| - | - Метод центроидных факторов. | ||
| - | - Проблема оценки значений факторов и виды факторных моделей. | ||
| - | - Оценки общностей и вращение факторов. | ||
| - | - Многомерное шкалирование. | ||
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
