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 | ||
|
courses:data_analysis_and_interpretation:exam [2019/01/10 23:05] andrey.suchkov |
courses:data_analysis_and_interpretation:exam [2022/12/10 09:08] (current) |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| ====== Экзамен ====== | ====== Экзамен ====== | ||
| ===== Список экзаменационных вопросов ===== | ===== Список экзаменационных вопросов ===== | ||
| - | - Проблема обработки данных. Матрица данных. гипотеза компактности и скрытых факторов. | + | - 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. | + | - Структура матрицы данных и задачи обработки. Матрица объект-объект и признак-признак. Расстояние и близость. |
| - Измерение признаков. Отношения и их представление. Основные проблемы измерений. | - Измерение признаков. Отношения и их представление. Основные проблемы измерений. | ||
| - Основные типы шкал. Проблема адекватности. Классификация данных: общая постановка задачи. | - Основные типы шкал. Проблема адекватности. Классификация данных: общая постановка задачи. | ||
| Line 17: | Line 17: | ||
| - Кластерный анализ: общая постановка задачи, определение расстояний между объектами и кластерами, критерии кластеризации. | - Кластерный анализ: общая постановка задачи, определение расстояний между объектами и кластерами, критерии кластеризации. | ||
| - Последовательная процедура итеративной оптимизации в задачах кластер-анализа. | - Последовательная процедура итеративной оптимизации в задачах кластер-анализа. | ||
| - | - Параллельная процедура кластеризации. Алгоритм К-внутригрупповых средних. | + | - Параллельная процедура кластеризации. Алгоритм k-внутригрупповых средних. |
| - Алгоритм автоматической классификации на основе алгоритма адаптивного выбора подклассов (АВП). | - Алгоритм автоматической классификации на основе алгоритма адаптивного выбора подклассов (АВП). | ||
| - 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 $n$ 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.1547161529.txt.gz · 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
