Визуализация рок-кривой (летняя практика) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 1: Строка 1:
 
{{Карточка_задания_на_летнюю_практику
 
{{Карточка_задания_на_летнюю_практику
|name=Визуализация ROC-кривой
+
|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}}
Строка 12: Строка 12:
  
 
=== Задание ===
 
=== Задание ===
1. визуализация рок-кривой (движение распределений ->  изменение рок-кривой, это просто)
 
  
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. Вот этот пункт - это очень полноценная работа, довольно важная, я подобного в сети не нашел.
+
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
 
3. итеративное построение дерева с разными критериями разбиения

Версия 20:17, 4 июня 2015

Автор Рогожников Алексей Михайлович
[- Профиль на сайте ВШЭ]
Электронная почта
Организация Лаборатория методов анализа больших данных (LAMBDA)
Учебный год 2015


Задание

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.