Анализ данных

Bibliographic Details
Main Author:	Крутиков В. И.
Other Authors:	Мешечкин В. В.
Summary:	Учебное пособие разработано для дисциплины «Анализ данных» в соответствии с требованиями ФГОС ВПО по направлению подготовки 010400.62 «Прикладная математика и информатика». Посвящено изучению различных задач и методов анализа данных. Основную часть пособия составляют методы распознавания образов. Подробно рассматриваются методы построения решающих функций и, на их основе, детерминистские методы, а также методы классификации с помощью функций расстояния и статистические методы классификации. В последней главе изложены идеи и методы сокращения размерности признакового пространства, необходимые для сжатия, предварительного анализа, визуализации исходных данных, а также для удаления неинформативных признаков. Предназначено для студентов вузов, обучающихся по направлению подготовки «Прикладная математика и информатика». Книга из коллекции КемГУ - Математика
Published:	Кемерово, КемГУ, 2014
Subjects:	математические модели оценивание их параметров постановка задачи оценивания параметров математических моделей основные типы зависимостей количественные переменные понятие оценки требования к оценкам наилучшие линейные оценки оценка дисперсии способы представления систем уравнений метода наименьших квадратов (мнк) решение систем уравнений мнк поиск оценок при нелинейной параметризации нелинейная задача о наименьших квадратах (нзнк) методы решения нзнк итерационные методы теории обучения оценивания параметров математических моделей основные понятия теории обучения одношаговый алгоритм обучения (алгоритм качмажа) одношаговый алгоритм обучения в заданной метрике итерационный метод наименьших квадратов (имнк) итерационный метод наименьших квадратов с регуляризацией итерационный метод наименьших квадратов с регуляризацией и взвешиванием одношаговый алгоритм обучения в метрике имнк методы выбора наилучшей модели сокращение размерности признакового пространства постановка задачи выбора наилучшей модели типы оценок критерии качества модели (ккм) общий алгоритм поиска математической модели задачи выбора информативной системы признаков алгоритм случайного поиска с адаптацией (спа) основные положения теории нейронных сетей биологический нейрон структура и свойства искусственного нейрона классификация нейронных сетей свойства нейронных сетей обучение нейронных сетей алгоритм обратного распространения переобучение обобщение обучение без учителя персептроны сеть с радиальными базисными элементами (rbf) вероятностная нейронная сеть (pnn) обобщеннорегрессионная нейронная сеть (grnn) определение рациональной структуры нейронных сетей метод негладкой регуляризации алгоритм построения нейронной сети с минимальным числом нейронов основные определения теории распознавания основные понятия прикладной статистики формы записи исходных статистических данных (исд) три центральные проблемы прикладной статистики теория распознавания типологизация задач распознавания решающие (дискриминантные) функции методы их построения решающие функции (рф) линейные по параметрам рф получение линейных по параметрам рф сведение задачи распознавания к задаче минимизации алгоритмы оценивания параметров рф алгоритмы построения рф на основе сведения системы неравенств к системе равенств потенциальные функции методы построения потенциальных функций классификация с помощью функций расстояния основные определения классификаторы по критерию минимума расстояния меры сходства критерии кластеризации алгоритм максиминного расстояния алгоритм квнутригрупповых средних (метод kсредних) алгоритм квнутригрупповых средних c адаптивной метрикой статистические методы распознавания классификация объектов теория статистических решений классификация с минимальным уровнем ошибки разделяющие функции для случая нормальной плотности оценка параметров обучение с учителем алгоритмы обучения классификаторов аппроксимация плотностей распределения аппроксимация апостериорных вероятностей методы снижения размерности сущность проблемы снижения размерности метод главных компонент (мгк) многомерное шкалирование задачи и методы выбора информативной системы признаков экспертностатистический метод построения единого сводного показателя вопросы и задания для самостоятельной работы вопросы к зачету или экзамену
Online Access:	http://e.lanbook.com/books/element.php?pl1_id=61396 https://e.lanbook.com/img/cover/book/61396.jpg
Format:	Electronic Book

Description
Physical Description:	138 с.
Summary:	Учебное пособие разработано для дисциплины «Анализ данных» в соответствии с требованиями ФГОС ВПО по направлению подготовки 010400.62 «Прикладная математика и информатика». Посвящено изучению различных задач и методов анализа данных. Основную часть пособия составляют методы распознавания образов. Подробно рассматриваются методы построения решающих функций и, на их основе, детерминистские методы, а также методы классификации с помощью функций расстояния и статистические методы классификации. В последней главе изложены идеи и методы сокращения размерности признакового пространства, необходимые для сжатия, предварительного анализа, визуализации исходных данных, а также для удаления неинформативных признаков. Предназначено для студентов вузов, обучающихся по направлению подготовки «Прикладная математика и информатика». Книга из коллекции КемГУ - Математика
ISBN:	978-5-8353-1770-7

Анализ данных

Similar Items