Машинное обучение в экономике 2023-2024
Материал из Wiki - Факультет компьютерных наук
Версия от 00:23, 20 декабря 2023; Potanin (обсуждение | вклад)
Содержание
- 1 Дисклеймер
- 2 Неделя 1. Байесовский классификатор и его модификации
- 3 Неделя 2. Решающие деревья
- 4 Неделя 3. Метод ближайших соседей
- 5 Неделя 4. Логистическая регрессия и метод опорных векторов
- 6 Неделя 5. Нейронные сети
- 7 Неделя 6. Градиентный бустинг и что-то еще
- 8 Неделя 7. Что-то еще интересное, может быть рекомендационные системы
- 9 Неделя 8. Что-то про связь эконометрики и машинного обучения
- 10 Список литературы
Дисклеймер
Материалы данной страницы являются предварительными и могут содержать существенные неточности
Неделя 1. Байесовский классификатор и его модификации
Основные материалы
Рекомендуемая литература
1. FOML глава 6.
2. MLPP глава 10.
Неделя 2. Решающие деревья
Неделя 3. Метод ближайших соседей
Неделя 4. Логистическая регрессия и метод опорных векторов
Неделя 5. Нейронные сети
Неделя 6. Градиентный бустинг и что-то еще
Неделя 7. Что-то еще интересное, может быть рекомендационные системы
Неделя 8. Что-то про связь эконометрики и машинного обучения
Список литературы
- FOML -- Fundamentals of machine learning for predicting data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.
- MLPP -- Machine learning a probabilistic perspective. Kevin P. Murphy.
