Лекция 11. Байесовские сети (skipped)_ анализ выживаемости (2015 Лекции (Сенько)), страница 3
Описание файла
Файл "Лекция 11. Байесовские сети (skipped)_ анализ выживаемости" внутри архива находится в папке "2015 Лекции (Сенько)". PDF-файл из архива "2015 Лекции (Сенько)", который расположен в категории "". Всё это находится в предмете "(ммо) методы машинного обучения" из 10 семестр (2 семестр магистратуры), которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .
Просмотр PDF-файла онлайн
Текст 3 страницы из PDF
. . , Z(tjl )}, где (j1 , . . . , jl ) является набором целых чисел. Тоесть оценка Ẑ(ti ) вычисляется по формулеẐ(ti ) = A[Z(tj1 ), . . . , Z(tjl )].Простейшим примером такого рода прогнозирования является методскользящего среднего, вычисляющего оценку Ẑ(ti ) в видеl1XẐ(ti ) =Z(ti−j ).lj=1Сенько Олег Валентинович ()МОТП, лекция 1225 / 29Временные рядыИспользуется также метод взвешенного скользящего среднего,вычисляющего оценку Ẑ(ti ) в видеlẐ(ti ) =1Xcj Z(ti−j ),lj=1где (c1 , . . . , cl ) являются неотрицательнымикоэффициентами,Pудолетворяющими условию lj=1 cj = 1.Нетрудно видеть, что прогностическая способность методаскользящего связана с относительным постоянство математическогоожидания случайных величин Z̆i−1 , .
. . , Z̆i−l , . . .. Метод скользящегосреднего используется для “сглаживания” временных рядов,фильтрации высокочастотной шумовой составляющей.Сенько Олег Валентинович ()МОТП, лекция 1226 / 29Временные рядыВ общем случае для обучения алгоритма A могут быть использованывсевозможные методы регрессионного анализа и распознавания, еслипрогнозируемая переменная Z является категориальной. Обучениеалгоритма A может производится по таблице, составленный изэлементов, принадлежащих известному участку временного ряда.Предположим, что в результате наблюдений стали известны значенияZ(t1 ), .
. . , Z(tN ). По данному ряду может быть построена таблицаZ(tN ), Z(tN −1 ), . . . , Z(tN −l ),Z(tN −1 ), Z(tN −2 ), . . . , Z(tN −l−1 ),...,...,...,...,...,...,Z(tN −l ), Z(tN −l−1 ), . . . , Z(tN −2l ).Сенько Олег Валентинович ()МОТП, лекция 1227 / 29Временные рядыПри этом первый слева элемент в каждой строке рассматривается вкачестве прогнозируемой величины Y . Далее последовательно слеванаправо значения переменной Z в строке рассматриваются в качествезначений прогнозирующих переменных X1 , . .
. , Xl . В случаемногомерных временных рядов при прогнозировании некоторойпеременной Zj могут быть использованы значения и другихпеременных из набора Z1 , . . . , Zk . .Сенько Олег Валентинович ()МОТП, лекция 1228 / 29Временные рядыДля поиска циклических (сезонных) колебаний переменной Z могутбыть использованы методы корреляционного анализа. Для каждойпредполагаемой длины цикла l строится таблица, состоящая из двухстолбцов:Z(tN ), Z(tN −l ),Z(tN −1 ), Z(tN −l−1 ),...,...,...Z(tl+1 ), Z(t1 ).Вычисляется коэффициента корреляции между столбцами.
Реальносуществующему циклу длины l∗ соответствует максимальная величинакоэффициента корреляции для таблицы, построенной по сдвигу l∗ , поотношению к коэффициентам корреляции для таблиц, построеннымисходя из других величин сдвига.Сенько Олег Валентинович ()МОТП, лекция 1229 / 29.
