Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2011
Материал из MachineLearning.
(→Список задач, черновик) |
м (→Оформление) |
||
Строка 74: | Строка 74: | ||
== Оформление == | == Оформление == | ||
- | [[Изображение:ModelBreadSw.png|thumb]] | + | [[Изображение:ModelBreadSw.png|Функция ошибки|thumb]] |
Пример оформления работы -- см. ниже по ссылкам в таблице (первый и четвертый столбцы), там можно взять все заготовки. | Пример оформления работы -- см. ниже по ссылкам в таблице (первый и четвертый столбцы), там можно взять все заготовки. | ||
Версия 14:38, 13 сентября 2011
Основная задача этого цикла работ — исследовать и проиллюстрировать недостатки и особенности известных алгоритмов машинного обучения.
Практика состоит из трех задач-эссе с отчетом, включающим постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию.
Перед выполнением заданий рекомендуются прочитать статью «Численные методы обучения по прецедентам», а также все, что там по ссылкам.
Идея практики: проект (вычислительный эксперимент) должен занимать ровно один день и может быть сделан при этом от начала и до конца.
Отчет состоит из следующих разделов.
- Аннотация:
- до 600 символов,
- Постановка задачи,
- Описание решения:
- настолько подробно, что по математическому описанию можно было бы восстановить код,
- Вычислительный эксперимент:
- описание эксперимента,
- иллюстрации с комментариями.
Общий объем отчета — 2 страницы в стиле amsmath. Отчет выполняется в TeX и транслируется в Machinelearning.
Статья, прежде всего, предназначена для студентов гр. 674 ФУПМ МФТИ. Она будет наполняться до 7.9.2011. |
Задачи
Название задачи | Работу выполняет | Рецензент | Ссылка SF | Дата доклада | Комментарии |
---|---|---|---|---|---|
Название задачи | Welcome! | Welcome! | 21.09 | Surname2011Title |
Доклады
- 28 сентября и 7 октября
- 26 октября и 2 ноября
- 23 и 30 ноября
Список задач, черновик
- Аппроксимация функции ошибки функцией многомерного нормального распределения (пример) (примечание три варианта: скаляр, диагональ, общий вид - симм., неотр. опр.).
- Устойчивость решений оптимизационного алгоритма при аппроксимации функции ошибки (пример) (примечание идет разделом в предыдущую статью)
- Аппроксимация функции ошибки с уточнением параметров модели (пример)
- Нормирование интеграла аппроксимированной функции ошибки (пример)
- Использование метода Белсли для прореживания признаков линейных моделей (пример)
- Использование метода Белсли для прореживания признаков обобщенно-линейных моделей (пример)
- Использование метода Белсли для прореживания признаков нелинейных моделей (пример)
- Исследование устойчивости оценок ковариационных матриц параметров к случайным признакам (пример)
- Исследование устойчивости оценок ковариационных матриц параметров к мультиколлинеарным признакам (пример)
- Исследование устойчивости оценок ковариационных матриц параметров и возмущению выборки при использовании существенно-нелинейных моделей (пример) (можно последние три объединить в одну статью)
- Оценка ковариационных матриц параметров моделей сэмплирующими методами (пример) (примечание - отозвать эту задачу)
- Использование методов сэмплирования при оценке правдоподобия регрессионных моделей (пример)
- Сравнение методов сэмплирования при при оценке правдоподобия регрессионных моделей (пример)
- Оценка параметров смесей линейных моделей (пример)
- Оценка параметров смесей обобщенно-линейных моделей (пример)
- Оценка параметров смесей экспертов (пример)
- Статистический отчет при создании моделей линейной регрессии (пример)
- Статистический отчет при создании моделей логистической регрессии (пример)
- Статистический отчет при создании обобщенно-линейных моделей (пример)
- Использование функций дискретного аргумента в многомерной регрессии (пример) (примечание: два варианта, с аппроксимацией функции дискретного аргумента и без).
- Использование метода доверительных регионов при аппроксимации функции ошибки (пример)
- Модификация метода Левенберга-Макрвардта для оптимизации функции ошибки общего вида (пример)
и еще 15 задач ожидаются.
Оформление
Пример оформления работы -- см. ниже по ссылкам в таблице (первый и четвертый столбцы), там можно взять все заготовки.
Дополнение по оформлению графиков:
- шрифт должен быть больше,
- толщина линий равна двум,
- заголовки осей с большой буквы,
- заголовок графика отсутствует (чтобы не дублировать подпись в статье);
- рекомендуется сразу сохранять EPS и PNG (для TeX и для Wiki).
h = figure; hold('on'); plot(xi,y,'r-', 'Linewidth', 2); plot(xi,y,'b.', 'MarkerSize', 12); axis('tight'); xlabel('Time, $\xi$', 'FontSize', 24, 'FontName', 'Times', 'Interpreter','latex'); ylabel('Value, $y$', 'FontSize', 24, 'FontName', 'Times', 'Interpreter','latex'); set(gca, 'FontSize', 24, 'FontName', 'Times') saveas(h,'ModelOne.eps', 'psc2'); saveas(h,'ModelOne.png', 'png');
MLAlgorithms репозиторий студентов каф. "Интеллектуальные системы" ФУПМ МФТИ сейчас включает более 110 проектов. Тем, кто хочет работать только со своей папкой нужно
|