Контрольная работа по "Программированию"

1) Генеральная совокупность - все реальные объекты (например, все люди в мире)

Выборка - некоторое конкретное количество наблюдений (например, все люди в определенном районе города) Выборка состоит из объектов; Объекты характеризуются признаками; Матрица объект-признак

Обучающая выборка — выборка, по которой производится настройка модели зависимости. Тестовая (или контрольная) выборка — выборка, по которой оценивается качество построенной модели. Если обучающая и тестовая выборки независимы, то оценка, сделанная по тестовой выборке, является несмещённой. Несмещённая оце́нка в математической статистике — это точечная оценка, чьё математическое ожидание равно оцениваемому параметру.

Оценку качества, сделанную по тестовой выборке, можно применить для выбора наилучшей модели.

2) Три классические задачи машинного обучения — это классификация, регрессия и кластеризация. Регрессия - это вещественные ответы (предсказание роста по весу, предсказание цены квартиры, предсказание цены на акцию), классификация - конечное множество ответов (предсказание дефолта, предсказание оттока, классификация изображений), кластеризация - ответы отсутствуют, необходимо найти группы похожих объектов(сегментирование пользователей, раскладка картинок по тематике)

3) Регрессия - математическое выражение, отражающее зависимость зависимой переменной у от независимых переменных х при условии, что это выражение будет иметь статистическую значимость. Линейная регрессия —регрессионная модель зависимости одной переменной y от другой или нескольких других переменных x с линейной функцией зависимости.

4) Распределение - функция, показывающая вероятность различных возможных исходов случайного процесса.

Гипергеометрическое распределение, Биномиальное распределение, Распределение Пуассона, Распределе́ние Фи́шера, Распределение хи-квадрат, Распределе́ние Стью́дента, Мультиномиальное распределение с упорядоченными элементами подмножеств, Биномиальное распределение двух случайных величин, Биномиальное распределение с равновероятными успехами испытаний Бернулли, Мультиномиальное распределение независимых случайных величин, Биномиальное распределение одной случайной величины распределение с равновероятными успехами испытаний Бернулли, Мультиномиальное распределение зависимых случайных величин, Биномиальное распределение с упорядоченными элементами подмножеств

5) В умеренно асимметричных распределениях мода и средняя образуют интервал, в пределах которого находится медиана. Если разделить этот интервал на 3, то медиана отстоит от моды на 2/3, а от средней – на 1/3.

Для измерения асимметрии рядов распределения применяется эмпирический коэффициент асимметрии:

где x– – простая средняя;

М о– мода; G – среднеквадратическое отклонение.

6) Нормальное распределение, также называемое распределением Гаусса, — распределение вероятностей.

Нормальное распределение зависит от двух параметров — смещения и масштаба, то есть является с математической точки зрения не одним распределением, а целым их семейством. Значения параметров соответствуют значениям среднего (математического ожидания) и разброса (стандартного отклонения).

Стандартным нормальным распределением называется нормальное распределение с математическим ожиданием