О РЕШЕНИИ ЗАДАЧ КЛАССИФИКАЦИИ В МЕТОДАХ МАШИННОГО ОБУЧЕНИЯ

В статье проведен анализ некоторых подходов, полезных для решения задач классификации при использовании методов машинного обучения. Продемонстрированы возможности снижения размерности, ускорения работы алгоритмов.

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.