Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, весна 2016
Материал из MachineLearning.
(Различия между версиями)
(→Темы эссе) |
м (→Темы эссе) |
||
Строка 223: | Строка 223: | ||
*#* multi-level model, | *#* multi-level model, | ||
*#* своего алгоритма. | *#* своего алгоритма. | ||
- | * Дополнение к 2. Оценка параметров [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/Part2%60ParameterEstimation.pdf?format=raw slides], [http://strijov.com/papers/HyperOptimizationEng.pdf text], [https://sourceforge.net/p/mvr/code/HEAD/tree/docs/ModelSelection/1ch.pdf?format=raw pages 30-33 ] | + | * Дополнение к 2. Оценка параметров [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/Part2%60ParameterEstimation.pdf?format=raw slides], [http://strijov.com/papers/HyperOptimizationEng.pdf text], [https://sourceforge.net/p/mvr/code/HEAD/tree/docs/ModelSelection/1ch.pdf?format=raw pages 30-33] |
- | * Эссе 3. Обучение по предпочтениям и конусы [http://strijov.com/papers/Kuznetsov-Strijov2013Concordance.pdf text],[http://strijov.com/papers/Medvednikova2014POF.pdf text], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/AMA2015/Strijov19Dec2014PreferenceLearning_AMA.pdf?format=raw slides], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/KuznetsovPreferenceLearning/slides/KuznetsovPhdSlides.pdf?format=raw slides] | + | * Эссе 3. Обучение по предпочтениям и конусы [http://strijov.com/papers/Kuznetsov-Strijov2013Concordance.pdf text], [http://strijov.com/papers/Medvednikova2014POF.pdf text], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/AMA2015/Strijov19Dec2014PreferenceLearning_AMA.pdf?format=raw slides], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/KuznetsovPreferenceLearning/slides/KuznetsovPhdSlides.pdf?format=raw slides] |
** Задачи обучения по предпочтениям в которых используются конусы или расслоение Парето переформулировать с использованием | ** Задачи обучения по предпочтениям в которых используются конусы или расслоение Парето переформулировать с использованием | ||
**# Байесовского вывода первого или второго уровня, | **# Байесовского вывода первого или второго уровня, |
Версия 10:00, 2 марта 2016
Построение моделей в машинном обучении
Курс посвящен обсуждению методов выбора моделей. Обсуждение ведется в формате лекций, докладов и эссе. Эссе — это краткое, примерно на страницу, изложение собственной точки здрения на постановку и решение определенной задачи. Пишется в свободной форме, но с учетом нашего стиля написания научных работ: терминологическая точность и единство обозначений приветствуются[1].
Эссе
Автор | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | L | E | Оценка |
---|---|---|---|---|---|---|---|---|---|---|---|
Бочкарев Артем | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Гончаров Алексей | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Двинских Дарина | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Жариков Илья | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Задаянчук Андрей | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Златов Александр | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Исаченко Роман | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Нейчев Радослав | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Подкопаев Александр | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Решетова Дарья | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Смирнов Евгений | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Черных Владимир | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Шишковец Светлана | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
Чинаев Николай | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
Эссе хранятся в папке Group274/Surname2016Essays/. Ссылка на эссе делается по шаблону
[https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group274/Surname2016Essays/Surname2016Essay1.pdf?format=raw 1]
Темы эссе
- Эссе 1. Байесовский вывод в выборе моделей slides, txt, paper
- Вывод формулы ошибки общего вида для "необычных" гипотез порождения данных (от мультиномиального распределения для задачи многоклассовой классификации до произвольных распределений из экспоненциального семейства, см. список GLM).
- Для некоторых функций ошибки указать из какой гипотезы порождения данных они получены и каким образом (например, функцию ошибки включена сумма различных видов штрафов на векторы параметров и невязок).
- Сделать эксперимент-пример вычисления правдоподобия моделей и визуальный анализ пространства параметров и гиперпараметров модели.
- Эссе 2. Смеси моделей page 21, slide 24, txt, tableau
- Предложить способы порождения объектов и признаков для задачи прогнозирования сложных объектов (spatio-temporal data).
- Сделать краткое и ясное описание алгоритма порождения мультимоделей:
- совместный выбор объектов и признаков с помощью генетического алгоритма,
- порождение и выбор мультимоделей из принципа алгоритма МГУА.
- Сделать краткое и ясное описание алгоритма выбора мультимоделей:
- mixture of experts,
- multi-level model,
- своего алгоритма.
- Дополнение к 2. Оценка параметров slides, text, pages 30-33
- Эссе 3. Обучение по предпочтениям и конусы text, text, slides, slides
- Задачи обучения по предпочтениям в которых используются конусы или расслоение Парето переформулировать с использованием
- Байесовского вывода первого или второго уровня,
- выбора моделей, признаков содержащие вероятностные модели,
- построения смесей экспертов (например, тождественных экспертам в области знаний).
- Задачи обучения по предпочтениям в которых используются конусы или расслоение Парето переформулировать с использованием
- Эссе 4.
Прошу делать разнообразные эссе, минимизируя пересечения. Смотрите на те *загрузки, которые уже сделаны. |
Сумма=13, где A-=0, A=1, A+=1.5, A++=2, тесты (30-50 вопросов 1 час)=3, доклад=2, 3 пропуска.