ABOUT THE DECISION OF PROBLEMS OF CLASSIFICATION METHODS IN MACHINE LEARNING

This paper analyzes some approaches that are useful for solving classification problems using machine learning methods. The possibilities of reducing the dimensionality and speeding up the algorithms are demonstrated.

1. Айвазян С. А. Прикладная статистика: классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. – М.: Финансы и ста-тистика. – 1989.

2. Dempster A. P. Maximum likelihood from incomplete data via the EM algorithm / A. P. Dempster, N. M. Laird, D. B. Rubin // J. of the Royal Statistical Society, Series B. – 1977. – no. 34. – Pp. 1-38.

3. Закс Ш. Теория статистических выводов / Ш. Закс. – М.: Мир. – 1975.

4. Лагутин М. Б. Наглядная математическая статистика / М. Б. Лагутин. – М.: П-центр. – 2003.

5. McCulloch W. S. A logical calculus of ideas immanent in nervous activity / W. S.McCulloch, W.Pitts // Bulletin of Mathematical Biophysics. – 1943. – no. 5. – Pp. 115-133.

6. Parzen E. On the estimation of a probability density function and mode / E. Parzen // Annals of Mathematical Statistics. – 1962. – Vol. 33. – Pp. 1065-1076. (http://citeseer.ist.psu.edu/parzen62estimation.html).

7. Rosenblatt M. Remarks on some non-parametric estimates of a density function / M. Rosenblatt // Annals of Mathematical Statistics. – 1956. – Vol. 27. – no. 3. – Pp. 832-837.

8. Хардле В. Прикладная непараметрическая регрессия / В. Хардле. – М.: Мир. – 1993.

9. Шурыгин А. М. Прикладная стохастика: робастность, оценивание, прогноз / А. М. Шурыгин. – М.: Финансы и статистика. – 2000.