Различия

Показаны различия между двумя версиями страницы.

Ссылка на это сравнение

Предыдущая версия справа и слева Предыдущая версия
Следующая версия
Предыдущая версия
study:fall2020:5stat_practice [2020/10/01 22:09]
nina
study:fall2020:5stat_practice [2020/11/26 21:12] (текущий)
nina
Строка 6: Строка 6:
 ---- ----
 \\ \\
 +03.12.2020 - Каждый на своих (по выбору) данных готовит начало задания по классификации (От всех жду работ по регрессии и АГК.)
 +{{ :study:fall2020:5stat_lecture:da_iris.zip |Пример}} классификации на R. Cделайте для своих данных что-то аналогичное до того момента, до которого сможете разобраться (предполагается, до ROC/AUC сможете сделать).
  
-08.10.2020 - Все показывают результаты первичного анализа данных для выбранного набора данных.+Классификация включает в себя lda, qda, cross-validation, визуализацию. 
 +(Можете посмотреть на другие методы классификации, которые частично будут в след. семестре, 
 +здесь https://github.com/kabacoff/RiA2/blob/master/Ch17%20Classification.R) 
 + 
 +Кросс-проверка (leave-one-out CV) делается так: по очереди каждый индивид удаляется из данных, строится правило классификации без него, а потом это правило применяется к удаленному индивиду. Получаем классификацию для каждого индивида, но результат честный, без переподгонки. Для случая небольших выборок этот способ спасает, так как разбиение на тренировочную и тестовую выборки дает очень неустойчивый результат.  
 + 
 +''#LDA\\ 
 +library(MASS)\\ 
 +iris.train <- iris\\ 
 +iris.lda <- lda(iris.train[,1:4], iris.train[,5])\\ 
 +iris.ldap <- predict(iris.lda, iris.train[,1:4])$class\\ 
 +table(iris.ldap, iris.train[,5]) #classification quality\\ 
 +ris.lda <- lda(iris.train[,1:4], iris.train[,5], CV = TRUE)\\ 
 +table(iris.lda$class, iris.train[,5]) #leave-one-out cross-validation\\ 
 + 
 +#LDA, out-of-sample\\ 
 +iris.train <- iris[seq(1,nrow(iris),5),]\\ 
 +iris.unknown <-  iris[-seq(1,nrow(iris),5),]\\ 
 +iris.lda <- lda(iris.train[,1:4], iris.train[,5])\\ 
 +iris.ldap <- predict(iris.lda, iris.unknown[,1:4])$class\\ 
 +ct <- table(iris.ldap, iris.unknown[,5])\\ 
 +diag(prop.table(ct, 1))\\ 
 + 
 +# Exploratory Graph for LDA or QDA for each pair of variables\\ 
 +library(klaR) \\ 
 +partimat(Sp ~ ., Iris, method="lda"
 +'' 
 + 
 +26.11.2020 - По-прежнему, все команды делают (переделывают) и показывают задание по АГК (по своим данным), а каждый отдельно делает по данным, выданным в рамках курса по МАД и присылает. (От всех жду работ по регрессии.) 
 + 
 +19.11.2020 - Все команды делают и показывают задание по АГК (по своим данным), а каждый отдельно делает по данным, выданным в рамках курса по МАД и присылает.  
 + 
 +12.11.2020 - Все команды делают и показывают задание по регрессии (см. пример ниже). 
 + 
 +05.11.2020 - Две оставшиеся команды показывают результаты третьего задания (О мерах зависимостей) для выбранного набора данных.  Все заранее присылают мне первые три задания. {{ :study:fall2020:intro_mag:lm_ex.zip |Пример}} на R с линейной регрессией. 
 + 
 +29.10.2020 - Все (4 команды) показывают результаты третьего задания (О мерах зависимостей) для выбранного набора данных.  Нужно прислать доделанной второе задание (и первое команде 4).  
 + 
 +22.10.2020 - Все (4 команды) показывают результаты второго задания (О виде распределений и о сравнении распределений) для выбранного набора данных.  Так как до 15.10 ничего не было прислано, то еще раз пишу, что нужно прислать доделанный первичный анализ данных, пока без штрафа, но при дальнейшем игнорировании сроков придется их вводить. 
 + 
 +15.10.2020 - Буду рассказывать-показывать я сама. А вам нужно до 15 октября прислать доделанное (и исправленное, если были комментарии 8 октября) первое задание.  
 + 
 +08.10.2020 - Все (4 команды) показывают результаты первичного анализа данных для выбранного набора данных. {{ :study:fall2020:intro_mag:rdescriptive.zip |Пример в Rmarkdown}}, вопросы по коду можно задавать А.И.Коробейникову.
  
 01.10.2020 - Первичный анализ данных.  01.10.2020 - Первичный анализ данных. 
study/fall2020/5stat_practice.1601579381.txt.gz · Последнее изменение: 2020/10/01 22:09 — nina
Наверх
CC Attribution-Noncommercial-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0