This shows you the differences between two versions of the page.
Next revision | Previous revision | ||
courses:data_analysis_and_interpretation:lectures [2019/01/10 10:56] mark created |
courses:data_analysis_and_interpretation:lectures [2022/12/10 09:08] (current) |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | tbd | + | ====== 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 | ||
+ | ===== 2. 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 | ||
+ | ===== 3. 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 | ||
+ | ===== 4. 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 | ||
+ | ===== 5. Методы снижения размерности ===== | ||
+ | - Методы отбора признаков по заданному критерию | ||
+ | - Метод главных компонент | ||
+ | ===== 6. Факторный анализ ===== | ||
+ | - Модель факторного анализа | ||
+ | - Структура факторных уравнений | ||
+ | - Неоднозначность факторного решения | ||
+ | - Метод главных факторов | ||
+ | - Метод центроидных факторов | ||
+ | ===== 7. Многомерное шкалирование ===== | ||
+ | - Дистанционная модель для различий | ||
+ | - Модель Торгерсона | ||
+ | - Поворот | ||
+ | - Объективные повороты | ||
+ | - Ручные повороты | ||
+ | - Размерность | ||
+ | - Интерпретация |