Автоматизация научных исследований в машинном обучении (практика, В.В. Стрижов)/ФУПМ, осень 2019
Материал из MachineLearning.
(Различия между версиями)
(→Занятие 2 (13-18 сентября)) |
(→Занятие 2 (13-18 сентября)) |
||
Строка 48: | Строка 48: | ||
# Загрузить выборку (из прежнего задания, или из UCI, или на ваш вкус), нормировать признаки. | # Загрузить выборку (из прежнего задания, или из UCI, или на ваш вкус), нормировать признаки. | ||
# Для линейной модели (на выбор: модель регрессии или классификации) | # Для линейной модели (на выбор: модель регрессии или классификации) | ||
- | #* написать генетический алгоритм выбора признаков (или другой, по вашему выбору) | + | #* написать генетический алгоритм выбора признаков (или другой, по вашему выбору). |
- | # Построить графики зависимости | + | # Построить графики зависимости, |
## ось абсцисс: итерации, <!-- x-axis is iteration --> | ## ось абсцисс: итерации, <!-- x-axis is iteration --> | ||
- | ## ось ординат: функция ошибки S и ее стандартное отклонение <!-- y-axis is the error function S, train test, std--> | + | ## ось ординат: функция ошибки ''S'' и ее стандартное отклонение (обучающая и тестовая выборка), <!-- y-axis is the error function S, train test, std--> |
- | ## ось ординат: параметны модели "лапша" (желательно стандартное отклонение) <!-- y-axis is “noodle” of the parameters, std --> | + | ## ось ординат: параметны модели "лапша" (желательно стандартное отклонение), <!-- y-axis is “noodle” of the parameters, std --> |
- | ## ось ординат: структура модели, индикаторная вектор-функция <!-- y-axis is the structure indicator function --> | + | ## дополнительно, ось ординат: структура модели, индикаторная вектор-функция. <!-- y-axis is the structure indicator function --> |
# Дополнительно: применить генетический алгоритм к выбору двухслойной нейросети и нарисовать те же графики и кривую обучения нейросети. | # Дополнительно: применить генетический алгоритм к выбору двухслойной нейросети и нарисовать те же графики и кривую обучения нейросети. | ||
'''Материалы''' | '''Материалы''' | ||
- | * [[Media: | + | * [[Media:Strijov2019FeatureSelection.pdf|Выбор признаков]] |
- | * [[Media: | + | * [[Media:Strijov20192NNUniversalModel.pdf|Структура нейросети]] |
'''Анкета''' | '''Анкета''' | ||
* Ожидается | * Ожидается |
Версия 13:18, 13 сентября 2019
Дополнительные материалы находятся на основной странице
|
Занятие 1 (6-11 сентября)
- Подготовка инструментов: выполнить (или проверить, что владеете инструментом),
- пункты 1, 2, 4, 6, 7, 9, 11, 12 ,13 ДЗ-1 из основной страницы,
- пункты 4, 5 ДЗ-2.
- Получить доступ к https://github.com/Intelligent-Systems-Phystech/
- В папке 2019-StartCode создать папку ДЗ Surname2019Linear и файл main.ipynb
- В тетради кратко указать название и цель эксперимента.
- Загрузить выборку
- Построить несколько моделей (пример).
- Нарисовать график прогноза (оформление: пример 1, пример 2).
- Нарисовать дисперсию прогноза (пример полосы). Дисперсия в каждом значении зависимой переменной вычисляется путем случайного семплирования обучающей выборки, выборка разбивается несколько раз.
- Дополнительно*: предложить способ порождения новых (признаков) моделей.
Материалы
Советы по пользованию репозиторием
- GitHub: клонируйте мастер и заливайте правки в него, если работаете только со своим кодом. См. краткое руководство по работе с GitHub.
- Update first, Commit after (Pull first, Push after)
- Your own work only, no external publications
- No big files (put link to external datasets)
- No temporary nor dummy files
Прочитать, чем отличается branch от fork
Анкета
- Анкета "записаться на курс" (стоит отдельно от основной по просьбе робота. Внимание работает только под @phystech.edu и только один раз)
- Анкета "сдача задания" (стоит отдельно от основной. нужна для того, чтобы собрать название папок GitHub где Вы выполнили задание)
- Анкета "рецензия" (стоит отдельно от основной. нужна для того, чтобы собрать рецензии людей)
- Анкета с вопросами на повторение (основная)
Занятие 2 (13-18 сентября)
Тут будут в пятницу в 18:35 ссылки на
|
Задание
- Загрузить выборку (из прежнего задания, или из UCI, или на ваш вкус), нормировать признаки.
- Для линейной модели (на выбор: модель регрессии или классификации)
- написать генетический алгоритм выбора признаков (или другой, по вашему выбору).
- Построить графики зависимости,
- ось абсцисс: итерации,
- ось ординат: функция ошибки S и ее стандартное отклонение (обучающая и тестовая выборка),
- ось ординат: параметны модели "лапша" (желательно стандартное отклонение),
- дополнительно, ось ординат: структура модели, индикаторная вектор-функция.
- Дополнительно: применить генетический алгоритм к выбору двухслойной нейросети и нарисовать те же графики и кривую обучения нейросети.
Материалы
Анкета
- Ожидается