|
|
|
|
| LEADER |
00000nam0a2200000 4500 |
| 001 |
315380 |
| 005 |
20231102002755.0 |
| 010 |
|
|
|a 9785778228177
|
| 035 |
|
|
|a (RuTPU)RU\TPU\book\340815
|
| 090 |
|
|
|a 315380
|
| 100 |
|
|
|a 20160301d2016 k y0rusy50 ca
|
| 101 |
0 |
|
|a rus
|
| 102 |
|
|
|a RU
|
| 105 |
|
|
|a a z 001zy
|
| 200 |
1 |
|
|a Методы статистического обучения в задачах регрессии и классификации
|e [монография]
|f Т. А. Гультяева, А. А. Попов, А. С. Саутин
|g Новосибирский государственный технический университет (НГТУ)
|
| 210 |
|
|
|a Новосибирск
|c Изд-во НГТУ
|d 2016
|
| 215 |
|
|
|a 322 с.
|c ил.
|
| 225 |
1 |
|
|a Монографии НГТУ
|
| 320 |
|
|
|a Библиогр.: с. 268-292
|
| 330 |
|
|
|a В монографии рассматриваются вопросы статистического обучения в задачах построения регрессии по методу опорных векторов и в задачах классификации с использованием скрытых марковских моделей (СММ). Для решения задачи устойчивого оценивания модели регрессии по методу опорных векторов (SVM) в условиях зашумленных данных с помехой, имеющей распределение с большим эксцессом или имеющей характер асимметричного засорения, предложено использовать адаптивные и асимметричные функции потерь. Приводятся формулировки двойственных задач квадратичного программирования для этих случаев. Описывается метод квантильной регрессии на основе SVM для произвольной функции потерь. На его основе рассмотрен метод построения доверительных интервалов для отклика, а также непараметрический метод оценки неизвестной дисперсии ошибок наблюдений. Для построения компактной модели регрессии в условиях работы с выборками большого объема предлагаются алгоритмы построения разреженных решений в SVM. Показывается их эффективность в сравнении с классическим методом построения разреженных решений на основе функции нечувствительности Вапника. Описывается модификация SVM, позволяющая строить разреженные решения в условиях гетероскедастичности ошибок наблюдений. Приводятся результаты экспериментальных исследований по построению регрессионных моделей с использованием SVM при мультиколлинеарности данных, автокорреляции и гетероскедастичности ошибок наблюдений.
|
| 606 |
1 |
|
|a Вероятностей теория и математическая статистика
|2 stltpush
|3 (RuTPU)RU\TPU\subj\2260
|9 30847
|
| 610 |
1 |
|
|a статистическое обучение
|
| 610 |
1 |
|
|a регрессия
|
| 610 |
1 |
|
|a классификация
|
| 610 |
1 |
|
|a опорные векторы
|
| 610 |
1 |
|
|a робастные регрессионные зависимости
|
| 610 |
1 |
|
|a функции потерь
|
| 610 |
1 |
|
|a разреженные решения
|
| 610 |
1 |
|
|a скрытые марковские потери
|
| 610 |
1 |
|
|a классификаторы
|
| 610 |
1 |
|
|a функции правдоподобия
|
| 610 |
1 |
|
|a последовательности
|
| 675 |
|
|
|a 519.2
|v 4
|
| 700 |
|
1 |
|a Гультяева
|b Т. А.
|g Татьяна Александровна
|
| 701 |
|
1 |
|a Попов
|b А. А.
|g Александр Александрович
|
| 701 |
|
1 |
|a Саутин
|b А. С.
|g Александр Сергеевич
|
| 712 |
0 |
2 |
|a Новосибирский государственный технический университет (НГТУ)
|c (1992- )
|2 stltpush
|3 (RuTPU)RU\TPU\col\36
|
| 801 |
|
1 |
|a RU
|b 63413507
|c 20160301
|
| 801 |
|
2 |
|a RU
|b 63413507
|c 20160609
|g RCR
|
| 942 |
|
|
|c BK
|
| 959 |
|
|
|a 25/20160225
|d 1
|e 400,00
|f ЧЗТЛ:1
|
