Анализ данных с помощью языка R, осень 2014

Описание

Введение в R

Элементы программирования в R.
Построение графиков и диаграмм средствами Base R. Описательные статистики.

Проверка статистических гипотез * Тест для пропорций * Критерии Стьюдента * Критерий Ливиня * Критерий Уилкоксона-Манна-Уитни

Линейный регрессионный анализ * Отбор переменных, коллинеарность, влиятельные наблюдения, анализ остатков. Непараметрическая регрессия (ядерное сглаживание) * Прогнозирование коротких рядов с сезонной составляющей с помощью линейной регрессии

Кластерный анализ * Иерархический кластерный анализ. Метод к-средних. * Метод к-медоидов.

Распознавание образов (Machine Learning) * Наивный Байес * Метод k-го ближайшего соседа Деревья классификации (CART). Случайные леса * AdaBoost * Gradient boosting machine

Прогнозирование * Сезонная декомпозиция (X-1) Экспоненциальное сглаживание * Дисперсионный анализ (ANOVA)

Оценки за курс

Слушателям будут выданы 14 лабораторных работ. Оценка за курс выставляется по следующему правилу:

Отлично — зачтены все работы;
Хорошо – зачтены все работы, кроме одной;
Удовлетворительно – зачтены все работы, кроме двух;
Неудовлетворительно — в остальных случаях.

Что нужно знать, чтобы слушать курс

Предполагается, что слушатели курса уже прослушали курс теории вероятностей.

Литература

C. Bishop Pattern Recognition and Machine Learning.
James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. With Applications in R.
Hastie, Tibshirani, Friedman. The Elements of Statistical Learning_Data Mining, Inference, and Prediction 2+ed
M. Crawley. The R Book.
R. Kabacoff R in Action. Data analysis and graphics with R.