Машинное обучение: линейные модели final

Что было до этого
Санкт-Петербург, 2019
Эндогенность
Автокорреляция
Гетероскедастичность
Мультиколлинеарность
Свойства параметров линейной модели
Сlosed form solution для линейных моделей

Как было до этого
Санкт-Петербург, 2019
Поломка предпосылок
Поломка свойств
Как определять
Как чинить
С чем придётся смириться

Как будет сейчас
Санкт-Петербург, 2019
Разброд и шатание

Что мы пропустили
Санкт-Петербург, 2019
Доверительные интервалы для параметров

Доверительные интервалы
Санкт-Петербург, 2019

Доверительные интервалы недостающее
Санкт-Петербург, 2019

Что мы пропустили
Санкт-Петербург, 2019
Доверительные интервалы для параметров
Доверительные интервалы для прогноза

«Доверительные интервалы» для прогноза
Санкт-Петербург, 2019
Доверительный интервал
Предиктивный интервал

Доверительный интервал для прогноза
Санкт-Петербург, 2019

Предиктивный интервал для прогноза
Санкт-Петербург, 2019

Что мы пропустили
Санкт-Петербург, 2019
Доверительные интервалы для параметров
Доверительные интервалы для прогноза Интерпретация значений параметров

Логарифмирование
Санкт-Петербург, 2019

Бинаризация факторов
Санкт-Петербург, 2019

Что мы пропустили
Санкт-Петербург, 2019
Доверительные интервалы для параметров
Доверительные интервалы для прогнозов Интерпретация значений параметров
Классификация

Задача классификации
Санкт-Петербург, 2019
Иногда перед нами стоит задача классификации
Регрессия может быть классификацией
Хотим вероятности

Пара картинок
Санкт-Петербург, 2019

Пара картинок
Санкт-Петербург, 2019

Логистическая регрессия
Санкт-Петербург, 2019

Как найти параметры
Санкт-Петербург, 2019

Ещё один взгляд на классификацию
Санкт-Петербург, 2019

Попишем формулы
Санкт-Петербург, 2019

Ещё один взгляд на классификацию
Санкт-Петербург, 2019

Добавим обозначений
Санкт-Петербург, 2019

Функция потерь
Санкт-Петербург, 2019

Логистическая функция
Санкт-Петербург, 2019

Hinge Loss
Санкт-Петербург, 2019

В перцептронах
Санкт-Петербург, 2019

Экспоненциальная
Санкт-Петербург, 2019

Сигмоидная
Санкт-Петербург, 2019

Логистическая функция
Санкт-Петербург, 2019

Hinge Loss в явном виде
Санкт-Петербург, 2019

Hinge Loss + L2 регуляризация
Санкт-Петербург, 2019

Hinge Loss + L2 регуляризация
Санкт-Петербург, 2019

Hinge Loss + L2 регуляризация
Санкт-Петербург, 2019

SVM
Санкт-Петербург, 2019

SVM исторически
Санкт-Петербург, 2019

SVM исторически
Санкт-Петербург, 2019

SVM исторически
Санкт-Петербург, 2019

Оценка качества классификатора
Санкт-Петербург, 2019

Метрики классификатора
Санкт-Петербург, 2019

Хорошие метрики классификатора
Санкт-Петербург, 2019
AUC
LL

AUC
Санкт-Петербург, 2019

LogLoss
Санкт-Петербург, 2019

Что мы вспомнили
Санкт-Петербург, 2019
Доверительные интервалы для параметров
Доверительные интервалы для прогнозов Интерпретация значений параметров
Логистическая регрессия
SVM
Метрики классификации

Что не рассказано
Санкт-Петербург, 2019
SVM регрессия
SVM kernel trick
Свойства параметров логистической регрессии
Мультиклассификация
Временные ряды
Медианная и квантильная регрессия
Compressed Sensing
Байесовский подход
...