Инкрементное и онлайновое обучение

Видеозаписи

Лекция

Содержание лекции

• Задачи инкрементного и онлайнового обучения. Оценивание инкрементного обучения. Кривые обучения.
• Ленивое обучение (метрические и непараметрические методы). Онлайновый отбор эталонных объектов.
• Онлайновый наивный байесовский классификатор.
• Онлайновый градиентный спуск OGD. Алгоритм Perceptron. Алгоритм Passive-Aggressive.
• Инкрементные решающие деревья ID5R.
• Рекуррентный метод наименьших квадратов RLS. Формула Шермана-Моррисона.
• Задача прогнозирования временных рядов. Эконометрические временные ряды с трендом и сезонностью.
• Экспоненциальное скользящее среднее. Модель Хольта. Модель Тейла-Вейджа. Модель Хольта-Уинтерса.
• Адаптивная селективная модель. Адаптивная композиция моделей.
• Онлайновое обучение ансамбля. Алгоритм Hedge, его свойства и интерпретация в задаче портфельного инвестирования.
• Онлайновое глубокое обучение. Алгоритм Hedge BackProp.

Материалы

• Презентация Voron-ML-incremental-slides.pdf (PDF, 0,7 MБ) — прикреплена к публикации.

Материалы курса © К. В. Воронцов. Текст и слайды распространяются по лицензии CC BY-SA 3.0 — на условиях этой лицензии они воспроизведены здесь без изменений. Видеозаписи размещены на YouTube и встроены по ссылке; их копии здесь не хранятся.