Statistical Learning, осень 2014
Курс: Машинное обучение, анализ данных .
Преподаватель: Антон Коробейников.
Даты: Sep 2014 — Dec 2014.
Программа курса:
- Введение. Что такое статистическое обучение. Примеры. Crash course R.
- Линейная регрессия. Оценивание. Проверка гипотез. Доверительные интервалы для коэффициентов. Категориальные переменные в регрессии. Выбор информативных признаков. Выбросы, гетероскедастичность, high leverage points.
- Классификация. Линейные методы. Логистическая регрессия. Дискриминантный анализ. Понятие ROC-кривой, AUC. Naive Bayes.
- Кросс-валидация. Бутстреп.
- Снова о подборе линейной модели. Регуляризация. Робастная регрессия. Может быть TLS.
- Нелинейности. Полиномиальная регрессия. Сплайны. Локальная регрессия. GAM.
- Деревья. Bagging. Boosting.
- SVM
- Unsupervised learning: PCA, кластеризация (k-means, иерархическая), model based clustering.
Литература: http://www-bcf.usc.edu/~