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 | + |