Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2011

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Доклады)
м (→Задачи)
 
(37 промежуточных версий не показаны.)
Строка 10: Строка 10:
Отчет состоит из следующих разделов.
Отчет состоит из следующих разделов.
# Аннотация:
# Аннотация:
-
#* до 600 символов,
+
#* до 600 символов
-
# Постановка задачи,
+
# Постановка задачи
# Описание решения:
# Описание решения:
-
#* настолько подробно, что по математическому описанию можно было бы восстановить код,
+
#* настолько подробно, что по математическому описанию можно было бы восстановить код
# Вычислительный эксперимент:
# Вычислительный эксперимент:
-
#* описание эксперимента,
+
#* описание эксперимента
-
#* иллюстрации с комментариями.
+
#* иллюстрации с комментариями
Общий объем отчета — 2 страницы в стиле amsmath.
Общий объем отчета — 2 страницы в стиле amsmath.
Отчет выполняется в TeX и транслируется в Machinelearning.
Отчет выполняется в TeX и транслируется в Machinelearning.
-
 
-
 
-
{{tip|Статья, прежде всего, предназначена для студентов гр. 674 ФУПМ МФТИ. Она будет наполняться до 7.9.2011.}}
 
== Задачи ==
== Задачи ==
Строка 33: Строка 30:
! Комментарии
! Комментарии
|-
|-
-
| [[Выделение периодической компоненты временного ряда (пример)|Название задачи]]
+
| [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Шаблон отчета о вычислительном эксперименте|Шаблон отчета о вычислительном эксперименте]]
| Welcome!
| Welcome!
| Welcome!
| Welcome!
-
| 21.09
+
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Group674/Surname2011Title Surname2011Title]
-
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Surname2011Title Surname2011Title]
+
| 21.09 - обсуждаем расписание докладов
|
|
|-
|-
 +
|
 +
# [[Исследование устойчивости оценок ковариационной матрицы параметров]] к случайным признакам
 +
# [[Исследование устойчивости оценок ковариационной матрицы параметров]] к мультиколлинеарным признакам
 +
# [[Исследование устойчивости оценок ковариационной матрицы параметров]] к возмущению выборки при использовании существенно-нелинейных моделей
 +
| Зайцев Алексей
 +
| Панов Максим
 +
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Group674/Zaitsev2011CovarianceEstimation Zaitsev2011CovarianceEstimation]
 +
|
 +
# 28.09
 +
# 26.10
 +
# 23.11
 +
|
 +
|-
 +
|
 +
# [[Оценка параметров смеси моделей|Оценка параметров смеси]] линейных моделей
 +
# [[Оценка параметров смеси моделей|Оценка параметров смеси]] обобщенно-линейных моделей
 +
# [[Оценка параметров смеси моделей|Оценка параметров смеси ]] экспертов
 +
| Павлов Кирилл
 +
| Зайцев Алексей
 +
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Group674/Pavlov2011ModelMixtures Pavlov2011ModelMixtures]
 +
|
 +
# 05.10
 +
# 02.11
 +
# 30.11
 +
|
 +
|-
 +
|
 +
# [[Использование метода Белсли для прореживания признаков]] линейных моделей
 +
# [[Использование метода Белсли для прореживания признаков]] обобщенно-линейных моделей
 +
# [[Использование метода Белсли для прореживания признаков]] нелинейных моделей
 +
| Литвинов Игорь
 +
| Янович Юрий
 +
|
 +
|
 +
# 05.10
 +
# 02.11
 +
# 30.11
 +
|
 +
|-
 +
|
 +
# [[Статистический отчет при создании моделей]] линейной регрессии
 +
# [[Статистический отчет при создании моделей]] логистической регрессии
 +
# [[Статистический отчет при создании моделей|Статистический отчет при создании]] обобщенно-линейных моделей
 +
| Янович Юрий
 +
| Юдаев Михаил
 +
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Group674/Yanovich2011StatModel Yanovich2011StatModel]
 +
|
 +
# 28.09
 +
# 26.10
 +
# 23.11
 +
|
 +
|-
 +
|
 +
# [[Аппроксимация функции ошибки]] функцией многомерного нормального распределения (скаляр, диагональ, общий вид)
 +
# Использование метода доверительных регионов при [[Аппроксимация функции ошибки|аппроксимации функции ошибки]]
 +
# Устойчивость решений оптимизационного алгоритма при [[Аппроксимация функции ошибки|аппроксимации функции ошибки]]
 +
| Панов Максим
 +
| Павлов Кирилл
 +
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Group674/Panov2011ApproximateInference/ Panov2011ApproximateInference]
 +
|
 +
# 28.09
 +
# 26.10
 +
# 23.11
 +
|
 +
|-
 +
<!--
 +
|
 +
# [[Модификация метода Левенберга-Макрвардта для оптимизации функции ошибки общего вида (пример)]]
 +
# [[Нормирование интеграла аппроксимированной функции ошибки (пример)]]
 +
# [[Аппроксимация функции ошибки с уточнением параметров модели (пример)]]
 +
| Spirin Nikita
 +
| Spirin Nikita
 +
|
 +
|
 +
#
 +
#
 +
#
 +
|
 +
-->
|}
|}
== Доклады ==
== Доклады ==
-
* 28 сентября и 7 октября
+
* 28 сентября и 5 октября
* 26 октября и 2 ноября
* 26 октября и 2 ноября
* 23 и 30 ноября
* 23 и 30 ноября
-
 
+
*** экзамен 14 декабря 2011
-
== Список задач, черновик ==
+
-
#
+
-
#
+
-
#
+
-
 
+
== Оформление ==
== Оформление ==
-
[[Изображение:ModelBreadSw.png|thumb]]
+
[[Изображение:ModelBreadSw.png|200px|thumb|Функция ошибки]]
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.
Строка 75: Строка 146:
saveas(h,'ModelOne.png', 'png');
saveas(h,'ModelOne.png', 'png');
</source>
</source>
 +
 +
 +
{{tip|[https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms MLAlgorithms] репозиторий студентов каф. "Интеллектуальные системы" ФУПМ МФТИ сейчас включает более 110 проектов. Тем, кто хочет '''работать только со своей папкой''' нужно
 +
# попросить администратора создать папку '''Surname2011Title''',
 +
# сделать ее CheckOut с адресом <nowiki>https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Surname2011Title</nowiki>.
 +
}}
[[Категория:Учебные курсы]]
[[Категория:Учебные курсы]]

Текущая версия

Основная статья: Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)


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.

  1. Аннотация:
    • до 600 символов
  2. Постановка задачи
  3. Описание решения:
    • настолько подробно, что по математическому описанию можно было бы восстановить код
  4. Вычислительный эксперимент:
    • описание эксперимента
    • иллюстрации с комментариями

Общий объем отчета — 2 страницы в стиле amsmath. Отчет выполняется в TeX и транслируется в Machinelearning.

Задачи

Название задачи Работу выполняет Рецензент Ссылка SF Дата доклада Комментарии
Шаблон отчета о вычислительном эксперименте Welcome! Welcome! Surname2011Title 21.09 - обсуждаем расписание докладов
  1. Исследование устойчивости оценок ковариационной матрицы параметров к случайным признакам
  2. Исследование устойчивости оценок ковариационной матрицы параметров к мультиколлинеарным признакам
  3. Исследование устойчивости оценок ковариационной матрицы параметров к возмущению выборки при использовании существенно-нелинейных моделей
Зайцев Алексей Панов Максим Zaitsev2011CovarianceEstimation
  1. 28.09
  2. 26.10
  3. 23.11
  1. Оценка параметров смеси линейных моделей
  2. Оценка параметров смеси обобщенно-линейных моделей
  3. Оценка параметров смеси экспертов
Павлов Кирилл Зайцев Алексей Pavlov2011ModelMixtures
  1. 05.10
  2. 02.11
  3. 30.11
  1. Использование метода Белсли для прореживания признаков линейных моделей
  2. Использование метода Белсли для прореживания признаков обобщенно-линейных моделей
  3. Использование метода Белсли для прореживания признаков нелинейных моделей
Литвинов Игорь Янович Юрий
  1. 05.10
  2. 02.11
  3. 30.11
  1. Статистический отчет при создании моделей линейной регрессии
  2. Статистический отчет при создании моделей логистической регрессии
  3. Статистический отчет при создании обобщенно-линейных моделей
Янович Юрий Юдаев Михаил Yanovich2011StatModel
  1. 28.09
  2. 26.10
  3. 23.11
  1. Аппроксимация функции ошибки функцией многомерного нормального распределения (скаляр, диагональ, общий вид)
  2. Использование метода доверительных регионов при аппроксимации функции ошибки
  3. Устойчивость решений оптимизационного алгоритма при аппроксимации функции ошибки
Панов Максим Павлов Кирилл Panov2011ApproximateInference
  1. 28.09
  2. 26.10
  3. 23.11

Доклады

  • 28 сентября и 5 октября
  • 26 октября и 2 ноября
  • 23 и 30 ноября
      • экзамен 14 декабря 2011

Оформление

Функция ошибки
Функция ошибки

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
  1. попросить администратора создать папку Surname2011Title,
  2. сделать ее CheckOut с адресом https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Surname2011Title.
Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BF%D0%BE_%D0%BF%D1%80%D0%B5%D1%86%D0%B5%D0%B4%D0%B5%D0%BD%D1%82%D0%B0%D0%BC_%28%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0%2C_%D0%92.%D0%92._%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2%29/%D0%93%D1%80%D1%83%D0%BF%D0%BF%D0%B0_674%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2011»
Личные инструменты