622 гр., все. Статистическое обучение для моделирования и прогнозирования временных рядов
Место и время проведения: четверг(дист).
Преподаватель: Голяндина Нина Эдуардовна
Соревнования¶
Kaggle, врем.ряды про погоду/климат, с сезонностью
Результаты (баллы)¶
Здесь находятся дедлайны и баллы.
Занятия¶
21.04 Последнее занятие. Применить назначенный вам метод ML к модельным рядам и попасть в “вилку”. Рассказывают Кононыхин Иван Александрович, Ларин Евгений Сергеевич, Мандрикова Анастасия Андреевна, Хе Пин, Мунхтогоо Норжинсурэн.
14.04 Последнее задание в kaggle к 14.04. Применить назначенный вам метод ML к модельным рядам и попасть в “вилку”. Рассказывают Арсланов Николай Адельевич, Гоголева Елена Владимировна, Гребенюк Алексей Сергеевич, Ежов Федор Валерьевич, Капаца Дейвид.
07.04 Жду от всех заданий от 03.03 (на занятии некоторых из невыступавших попрошу выступить). Также это дедлайн по первому заданию в kaggle по временным рядам. Дам некоторые комментарии к применению к временным рядам методов ML. Последнее задание в kaggle к 14.04 - это применить назначенный вам метод ML к модельным рядам и попасть в “вилку”.
31.03 Вторая лекция Романа Гученко про Spark (Big Data).
24.03 Показ заданий (см. 03.03)
17.03 Лекция Романа Гученко про Spark (Big Data).
10.03 Обсуждение заданий в kaggle.
03.03 Задание на 20.03. Построение многомерных данных из временного ряда (по первым m, m<L, столбцам предсказываем (L+1)-го; L можно взять 50), разбиение на train, validation и test, примерно 700,300,300 (или 750, 250, 250).
Построение стратегии, на основе знания того, как устроена модель ряда (но не зная значения параметров) - на основе m точек оценивание угла наклона a и прогноз x_{n+1} = x_{n}+a; подбор m от 2 до L перебором MSE на validation, можно с каким-то шагом.
Результат - MSE прогноза на один шаг вперед, среднее по train, по validation и по test.
Всю эту конструкцию заключаете в цикл, моделируя ряд, скажем, 100 раз и усредняя ошибки. Ошибка на test должна быть меньше, чем для прогноза на один шаг вперед, но больше, чем по прогнозу с инсайдерской информацией о значении a (эти прогнозы тоже реализуйте).
Для тестирования рассмотрите ряды с шумом, без шума, только из шума, а также с и без изломов.
24.02 Общая информация. Модель временного ряда.
17.02 Встреча с представителем Parexel Денисом Сыровым
2019
12.02 Встреча с представителем Parexcel Денисом Сыровым
19.02 Обсуждение in-class competition в kaggle https://www.kaggle.com/c/negtest - всем нужно там поучаствовать (ссылка - в vk).
Обсуждение ML для временных рядов. Задание (модель данных - кусочно-линейный тренд плюс броуновское движение).
26.02 Лекция от Дениса Сырова об анализе кривых дожития.
05.03 Обсудили генерирование данных для временных рядов и построение многомерных данных.
12.03 Все применяют какой-то метод к одним и тем же данным, проверяя результат на 30% последних точек (test) и оценивая правдоподобность результата.
19.03 Обсуждаем то, как проверить разумность результата, какие выбрать параметры при моделировании. Переходить к разностям? (Лекция Дениса про бутстреп намечена на 9 апреля).
26.03 Все показывают результаты, прошедшие проверку на “разумность”. Еще - нужно попробовать открыть архив про кривые дожития и посмотреть, что получается, если запустить R-скрипт, какой смысл у результата.
02.04 Все показывают результаты, прошедшие проверку на “разумность”. (процесс так и не сошелся)
09.04 Денис Сыров. Использование бустреп-доверительных интервалов.