se.moevm.info

User Tools

Site Tools

You are here: МОЭВМ Вики » Курсы » Анализ и интерпретация данных » Экзамен
courses:data_analysis_and_interpretation:exam

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

courses:data_analysis_and_interpretation:exam [2019/10/07 14:45]
andrey.suchkov [Перечень экзаменационных задач] 		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 K-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. +
-===== 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 $n$ шагов 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 $n$ шагов 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)

Page Tools

Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 International
CC Attribution-Share Alike 4.0 International Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki