Просмотр исходного текста страницы Машинное обучение




[https://youtu.be/qYrZF5IaDDk Ссылка на ролик1]


[https://youtu.be/hzoHvJKepvo Ссылка на ролик2]



[http://msu.mguie.ru/ посмотреть теорию из второй части!!!]



[[Задания 1]]

[[Задания 2]]


1. Фильтрация экспериментальных данных. Алгоритм плавающего среднего, экспоненциальный фильтр. Рекуррентные алгоритмы. Оценка качества фильтрации. Выбор между качеством фильтрации и скоростью.<br>
2. Регрессионный анализ, основные допущения. Проверка значимости параметров и адекватности уравнения.<br>
3. Проверка адекватности математической модели.<br>
4. Структурная идентификация модели. Метод группового учёта аргументов. <br>
5. Определение параметров линейного уравнения регрессии методом наименьших квадратов.
6. Определение параметров линейного уравнения регрессии (простой и множественной) с использованием статистических характеристик.
7. Понятие о законах распределения "Хи-квадрат", Стьюдента и Фишера. Примеры их использования. Понятие о статистических гипотезах и методах их проверки. Р- значение.
8. Определение параметров линейного уравнения регрессии в матричной форме.
9. Понятие о полном факторном эксперименте (ПФЭ). Построение планов ПФЭ, его свойства. Достоинства и недостатки. Определение параметров модели по данным полного факторного эксперимента, проверка их значимости, проверка адекватности модели.
10. Таблица дисперсионного анализа. Определение наличия регрессионной зависимости с использованием F - отношения. Множественный коэффициент корреляции.
11. Понятие о частном коэффициенте корреляции. Определение его значимости. Пример использования.
12. Методы последовательного уточнения структуры регрессионного уравнения: метод включений, метод исключений, метод пошаговой регрессии.
 



Справочные материалы:
[http://orlovs.pp.ru/stat.php#s2p2 Высокие статистические технологии	]
[https://yadi.sk/i/8iK9SLLg3JKYj7]


[http://www.jurikres.com/catalog1/ms_ama.htm Jurik Research Moving Average]