# Математические методы прогнозирования (лекции, В.В. Стрижов)/Группы 674, 774, весна 2021

Перейти к: навигация, поиск

This course joins two parts of the problem statements in Machine Learning. The first part comes from the structure of the measured data. The data come from Physics, Chemistry and Biology and have intrinsic algebraic structure. This stricture is part of the theory that stands behind the measurement. The second part comes from errors of the measurement. The stochastic nature errors request the statistical methods of analysis. So this course joins algebra and statistics. It is devoted to the problem of predictive model selection.

The course holds two semesters: Fall 2020 and Spring 2021. It contains lectures and practical works. Out of schedule cuts off half the score. The scoring, max:

1. Questionnaires during lectures (3)
2. Two application projects (1+1)
3. The final exam: problems with discussion (5), with bank of problems

#### Выбор моделей в задачах декодирования

1. Katrutsa A.M., Strijov V.V. Stresstest procedure for feature selection algorithms // Chemometrics and Intelligent Laboratory Systems, 2015, 142 : 172-183.
2. Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017, 76 : 1-11.
3. Isachenko R.V., Vladimirova M.R., Strijov V.V. Dimensionality reduction for time series decoding and forecasting problems // DEStech Transactions on Computer Science and Engineering, 2018, 27349 : 286-296.
4. [Isachenko R.A., Strijov V.V. Quadratic programming feature selection for multicorrelated signal decoding with partial least squares // Submitted, 2021.]

### Meetings

Wednesday 10:30 m1p.org/go_zoom

### Лабораторная работа 1

• Построить рейтинг, сравнить его с базовым (график, с помощью тождественной функции), проанализировать ошибку (график)
• Исследовать проблему с новизной, решить задачу, возникающую при построении рейтингов
• Текст с постановкой задачи и код (формат по вашему усмотрению) положите в репозиторий Ratings
• Заметки о практике построения рейтингов тут, правила
• сам рейтинг и выборка фиксирована: еда,
• модель соответствует требованиям:
• параметрическая, оптимизация параметров за вами по выборке
• допускаются пропуски, появление новых признаков, экспертов, лет.
• Вы:
• выбираете модель,
• выбираете проблему для исследования,
• формат исследования ваш,
• результат - рейтинг еды (функция и график).
• Следующая неделя: пробные доклады с обсуждением (правки постановок и кода с целью повышения качества работы)
• Через неделю: короткий финальный доклад

### Практическое задание

Формат выполнения

1. Создать файл pynb Surmane2020Problem в папке
2. В файле Название задачи, автор
3. Краткое пояснение задачи
4. Желательна модель в виде формулы, а не в виде алгоритмического описания
5. Три функции: модель, критерий качества, прогноз, оптимизация параметров (и выбор модели)
6. График с прогнозом
7. График с анализом ошибки на ваш выбор

Пояснение для сдающих в январе 2021: задание должно содержать

1. время (можно в натуральных числах), явно указывающее на объект выборки,
2. прогноз на несколько точек (поточечно, если это модель дает поточечный прогноз).

Пример: