courses:data_analysis_and_interpretation:lectures
Differences
This shows you the differences between two versions of the page.
|
courses:data_analysis_and_interpretation:lectures [2019/07/11 09:36] andrey.suchkov [Введение в анализ данных] |
courses:data_analysis_and_interpretation:lectures [2022/12/10 09:08] |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== Программа ====== | + | |
| - | ===== 1. Введение в анализ данных ===== | + | |
| - | - 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 | + | |
| - | - Изменение признаков | + | |
| - | - Основные типы шкал | + | |
| - | ===== Классификация данных ===== | + | |
| - | - Постановка задачи | + | |
| - | - Статистические методы классификации | + | |
| - | - Постановка задачи классификации как статистической задачи при известных вероятностных распределениях | + | |
| - | - Построение классификации для нормального распределения | + | |
| - | - Числовые примеры | + | |
| - | - Оценка качества классификации | + | |
| - | - Классификация на основе оценки апостериорной вероятности | + | |
| - | - Классификация двух нормальных распределений с неравными матрицами ковариаций | + | |
| - | - Классификация нормально распределённых векторов при неизвестных параметрах распределения | + | |
| - | - Задача статистической классификации для количества классов больше 2 | + | |
| - | - Линейная дискриминантная функция Фишера | + | |
| - | ===== Обучаемые классификаторы. Детерминистский подход ===== | + | |
| - | - Общие свойства линейных дискриминантных функций в детерминистской подстановке | + | |
| - | - Персептронный алгоритм получения линейных решающих правил | + | |
| - | - Правила поиска решения, основанные на минимизации градиента функции качества | + | |
| - | - Формальный вывод персептронного алгоритма | + | |
| - | ===== Кластерный анализ ===== | + | |
| - | - Постановка задачи группировки данных | + | |
| - | - Пример | + | |
| - | - Критерии качества разбиения на классы | + | |
| - | - Основные типы кластерных процедур. Основные задачи кластерного анализа | + | |
| - | - Построение последовательной процедуры итеративной оптимизации | + | |
| - | - Базовая процедура кластеризации (базовая минимальная квадратичная ошибка) | + | |
| - | - Параллельная процедура. Базовые изоданные | + | |
| - | - Описание процедуры: Базовые изоданные | + | |
| - | - Алгоритм k-внутригрупповых средних | + | |
| - | - Иерархические процедуры группировки | + | |
| - | - Агломеративная процедура | + | |
| - | - Статистические модели группировки | + | |
| - | - Алгоритм автоматической классификации на основе использования кластер-анализа | + | |
| - | ===== Методы снижения размерности ===== | + | |
| - | - Методы отбора признаков по заданному критерию | + | |
| - | - Метод главных компанент | + | |
| - | ===== Факторный анализ ===== | + | |
| - | - Модель факторного анализа | + | |
| - | - Структура факторных уравнений | + | |
| - | - Неоднозначность факторного решения | + | |
| - | - Метод главных факторов | + | |
| - | - Метод центроидных факторов | + | |
| - | ===== Многомерное шкалирование ===== | + | |
| - | - Дистанционная модель для различий | + | |
| - | - Модель Торгерсона | + | |
| - | - Поворот | + | |
| - | - Объективные повороты | + | |
| - | - Ручные повороты | + | |
| - | - Размерность | + | |
| - | - Интерпретация | + | |
courses/data_analysis_and_interpretation/lectures.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
