|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Численные методы проверки обоснованности обобщенных линейных моделей зависимостейтезисы доклада
- Авторы: Левдик Павел Владимирович, Моттль Вадим Вячеславович, Красоткина Ольга Вячеславовна, Татарчук Александр Игоревич
- Сборник: Интеллектуализация обработки информаци: Тезисы докладов 11-й Международной конференции
- Тезисы
- Год издания: 2016
- Место издания: ТОРУС ПРЕСС Москва
- Первая страница: 50
- Последняя страница: 50
- Аннотация: Алгоритмическая реализация принципа проверки обоснованности модели в задачах восстановления зависимостей требует вычисления смеси условных распределений целевой переменной модели (marginal likelihood) относительно ее параметра, априорное распределение которого играет роль регуляризующего смешивающего распределения. Обобщенный линейный подход к восстановлению зависимостей основан на понимании этого параметра как точки в том же линейном пространстве, в котором представлены объекты реального мира. Это позволяет без потери общности ограничиться классом смешивающих априорных распределений, построенных на основе нормального распределения Однако параметрическое семейство смешиваемых распределений не может быть унифицировано для всех видов целевой переменной, и вычисление показателя обоснованности остается задачей, традиционно квалифицируемой как алгоритмически трудная. Обсуждаемый универсальный метод итерационной максимизации показателя обоснованности использует классический ЕМ (expectation-maximization) принцип максимизации правдоподобия смеси распределений. В частности, в задачах линейной регрессии, распознавания образов и оценивая продолжительности жизни метод позволяет находить наиболее обоснованную размерность базиса в линейном пространстве наблюдений без перебора всех значений размерности, как в популярном методе Regularization Path [1]. Работа поддержана грантом РФФИ № 14-07-00661.
- Добавил в систему: Журавлев Юрий Иванович