courses:data_analysis_and_interpretation:lectures
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:lectures [2019/01/10 10:58] andrey.suchkov |
courses:data_analysis_and_interpretation:lectures [2022/12/10 09:08] (current) |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| ====== Программа ====== | ====== 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 | ||
courses/data_analysis_and_interpretation/lectures.1547117931.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
