Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, осень 2018
Материал из MachineLearning.
Байесовский выбор моделей
Курс лекций, преподаватель Александр Александрович Адуенко
- Короткий адрес страницы http://bit.ly/2PKwrkp
- Лекция 1: Введение
- Задание 1
- Лекция 2: Введение
- Тест 1
- Лекция 3: Введение
- Лекция 4: Байесовская линейная регрессия и понятие обоснованности-1
- Практическое задание 1
- Данные для практического задания 1
- Лекция 5: Байесовская линейная регрессия и понятие обоснованности-2
- Задание 2
- Лекция 6: Обоснованность и отбор признаков в линейной и логистической регрессии
- Лекция 7: Обоснованность и отбор признаков в логистической регрессии
- Лекция 8: EM-алгоритм для максимизации обоснованности
- Практическое задание 1 (дорешивание, описание способа оценивания)
- Задание 3
- Лекция 9: Вариационый EM-алгоритм
Дополнительные материалы
- См. последний слайд каждой лекции со списком литературы.
- David MacKay, 2005, Information Theory, Inference, and Learning Algorithms
- Christopher Bishop, 2006, Pattern Recognition and Machine Learning
- David Barber, 2014, Bayesian Reasoning and Machine Learning
- Daphne Koller and Nir Friedman, 2009, Probabilistic Graphical Models
- Kevin P. Murphy, 2012, Machine Learning: a Probabilistic Perspective