Дьяконов Александр

Скачать

И сердце бьётся раненою птицей,
Когда начну свою статью читать.
(B.C. Высоцкий)

Новинки:

Методы решения задач классификации с категориальными признаками [скачать]

Статья (Прикладная математика и информатика. 2014. № 46, с. 103-127 ). Рассмотрены различные методы решения задачи классификации на два класса, в которой все признаки категориальные (номинальные, факторные), т.е. описывают принадлежность объекта к категориям. Некоторые методы являются простым обобщением классических (байесовских алгоритмов, сингулярного разложения), другие – принципиально новыми. Предложен эффективный способ кодирования категориальных признаков в вещественные, который позволяет применять классические методы машинного обучения (например, случайный лес). Предложено обобщение алгоритмов k ближайших соседей (kNN) и вычисления оценок (АВО), которое показало наилучшее качество на реальных данных. Все методы протестированы на прикладной задаче из области построения рекомендательной системы для службы безопасности.

Прогноз поведения клиентов супермаркетов с помощью весовых схем оценок вероятностей и плотностей [скачать]

Статья (Бизнес-информатика. 2014. №1 (27) С.68-77). Рассмотрены две задачи, связанные с поведением клиентов сети супермаркетов: прогнозирование даты следующего визита каждого клиента и суммы его покупок. Первая задача сведена к задаче оценки вероятностей визитов, вторая ­– к задаче восстановления плотностей распределений сумм покупок каждого пользователя. Для решения указанных задач предложено использовать взвешенные схемы: каждой точке выборки ставится в соответствие вещественное неотрицательное число (вес). Веса позволяют учитывать дополнительную информацию, например устаревание данных (точки соответствующие старым данным имеют меньшие веса).

Система статистических вычислений «R» [скачать]

Учебное пособие (текущая версия для слушателей курса «Прикладные задачи анализа данных», находится в режиме правки).

Решение задач анализа данных, основанное на линейной комбинации деформаций [скачать]

Статья (Машинное обучение и анализ данных. 2013. T. 1, № 5. C. 568-579). Дан обзор некоторых теоретических результатов представления функций и алгоритмов в специальном виде: линейной комбинации «деформации»; линейных функций/алгоритмов. В теории интерполяции подобные результаты отталкиваются от работ А.Н. Колмогорова, в теории классификации - от работ Ю.И. Журавлёва. Показано, что идеи подобного представления можно успешно использовать на практике. Описаны решения нескольких прикладных задач в рамках крупных Международных конкурсов.

Выберите раздел:

Популярное:

Введение в анализ данных [скачать]

Научно-популярная лекция. Более 500 скачиваний. Описаны реальные прикладные задачи и простые методы их решения.

Чему не учат в анализе данных и машинном обучении [скачать]

Научно-популярная лекция. Написана для просеминара кафедры ММП ВМК МГУ и нового спецкурса "Прикладной анализ данных". Рассказываются тонкости решения задач, которые умалчиваются в основных курсах.

Идея дизайна частично взята у Mark Reid За достоверность информации никто ответственности не несёт.