Визуализация рок-кривой (летняя практика) — различия между версиями
(Новая страница, с помощью формы Новое_задание_на_летнюю_практику) |
Axelr (обсуждение | вклад) |
||
| (не показано 9 промежуточных версии 3 участников) | |||
| Строка 1: | Строка 1: | ||
{{Карточка_задания_на_летнюю_практику | {{Карточка_задания_на_летнюю_практику | ||
| − | |name=Визуализация | + | |name=Визуализация методов маш. обучения |
|mentor=Рогожников Алексей Михайлович | |mentor=Рогожников Алексей Михайлович | ||
|mentor_login={{URLENCODE:Старчикова Ольга|WIKI}} | |mentor_login={{URLENCODE:Старчикова Ольга|WIKI}} | ||
| − | |organization=LAMBDA | + | |organization=Лаборатория методов анализа больших данных (LAMBDA) |
|hse_profile=- | |hse_profile=- | ||
| − | |email= | + | |email=arogozhnikov@hse.ru |
|thesis= | |thesis= | ||
|year=2015 | |year=2015 | ||
| Строка 12: | Строка 12: | ||
=== Задание === | === Задание === | ||
| − | 1. визуализация рок-кривой (движение распределений -> изменение рок-кривой | + | Подготовить визуализации для алгоритмов машобучения и для рок-кривой (тоже активно используемой в машобучении). |
| − | 2. логистическая регрессия и линейный SVM - для них надо как минимум двумерную визуализацию решающего правила (с возможностью мышкой двигать правило), + надо иметь возможность переключаться в 3d-режим, чтобы по оси z была функция потерь | + | |
| − | + | 1. визуализация рок-кривой (движение распределений -> изменение рок-кривой) | |
| − | + | ||
| + | 2. логистическая регрессия и линейный SVM - для них надо как минимум двумерную визуализацию решающего правила (с возможностью мышкой двигать правило), + надо иметь возможность переключаться в 3d-режим, чтобы по оси z была функция потерь, плюс стохастическое обучение - надо это проиллюстрировать. | ||
| + | |||
| + | 3. итеративное построение дерева с разными критериями разбиения | ||
=== Какие начальные требования? === | === Какие начальные требования? === | ||
Текущая версия на 01:08, 18 июня 2015
| Автор | Рогожников Алексей Михайлович [- Профиль на сайте ВШЭ] Электронная почта |
| Организация | Лаборатория методов анализа больших данных (LAMBDA) |
| Учебный год | 2015 |
Содержание
Задание
Подготовить визуализации для алгоритмов машобучения и для рок-кривой (тоже активно используемой в машобучении).
1. визуализация рок-кривой (движение распределений -> изменение рок-кривой)
2. логистическая регрессия и линейный SVM - для них надо как минимум двумерную визуализацию решающего правила (с возможностью мышкой двигать правило), + надо иметь возможность переключаться в 3d-режим, чтобы по оси z была функция потерь, плюс стохастическое обучение - надо это проиллюстрировать.
3. итеративное построение дерева с разными критериями разбиения
Какие начальные требования?
Иметь представление о 2d/3d визуализации. Приветствуется владение джаваскриптом.
Изначального понимания визуализируемых алгоритмов не ожидается, однако с ними обязательно потребуется познакомиться.
Какие будут использоваться технологии?
1. html + javascript, 2. фреймворк для визуализации (например, d3.js)
Какая дополнительная литература понадобится?
Необходимо прочитать про указанные алгоритмы машинного обучения. Например, на machinelearning.ru или из лекций: http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций%2C_К.В.Воронцов) или из любого другого источника.
