2 kredit, 8 kontakt óra + 8 óra önálló tanulás és feladatmegoldás
Tárgyfelelős: Dr. Reiczigel Jenő
Tematika:
Célok, történet, viszonya a modellezéshez, feladat-típusok. Tanulás tanítóval, regresszió, klasszifikáció. Multinomiális logisztikus regresszió, neurális hálók, naív Bayes, legközelebbi szomszéd módszerek klasszifikációra. Keresztvalidáció (leave-one-out cv, k-fold cv, random tanuló-teszt felosztással, bootstrap tanulóhalmazzal). Módszerek tuningolása (grid search, random search). A keresztvalidáció és a tuning hatása a találati arány becslésére. Módszerek az egyes prediktorok „fontosságának” megállapítására.
Kötelező irodalom:
Lantz B, Machine Learning with R, 2ed, Packt, 2015.
Ajánlott irodalom:
Murphy KP, Machine Learning – A Probabilistic Perspective, MIT Press, 2012.
Alpaydin E, Introduction to Machine Learning, 2ed, MIT Press, 2010.
Chiu YW, Machine Learning with R cookbook, Packt, 2015.
Számonkérés:
Írásbeli vizsga (Moodle) kifejtős kérdésekkel, valamint egy gyakorlati, R-rel megoldandó feladat.