Домашнее задание по теме "Оценка неопределенностей в задаче линейной регрессии". вес = 2, максимальный балл = 107.
Достижения участников:
| Name | Score | Weighted score |
Final score |
Note |
|---|---|---|---|---|
| Алексей Верещагин | 77 | 154 | 154 | - |
| Анастасия Платова | 45 | 90 | 90 | - |
| Анастасия Платова - REV.2 | 65 | 130 | 130 | - |
| Анастасия Конюхова | 103 | 206 | 206 | - |
| Елизавета Цуканова | 52 | 104 | 104 | - |
| Елизавета Цуканова - REV.2 | 64 | 128 | 128 | - |
| Евгения Аглова | 84 | 168 | 168 | - |
| Варвара Першина | 104 | 208 | 208 | - |
| Элеонора Грибняк | 47 | 94 | 94 | - |
| Элеонора Грибняк - REV.2 | 77 | 154 | 154 | - |
| No | Наименование пункта требований решения |
Балл |
|---|---|---|
| 1 | формулировка задачи, признакового описания объектов, функции ошибки, меры качества модели | 4 |
| 2 | исследование исходных данных на предмет скоррелированности признаков; фильтрация признаков; порождение признаков (при необходимости) | 4 |
| 3 | оценка параметров модели и их неопределенностей | 15 |
| 4 | исследование на предмет оптимального размера bootstrap-выборок с точки зрения неопределенности оценки параметров модели | 7 |
| 5 | исследование на предмет оптимального количества bootstrap-выборок с точки зрения неопределенности оценки параметров модели | 7 |
| 6 | оценка качества модели методом bootstrap-сэмплирования на OOB-выборках | 7 |
| 7 | оценка доверительного интервала для качества модели с уровнем доверия 0.95 | 8 |
| 8 | аппроксмация целевой переменной на выборке вновь поступающих объектов, оценка доверительных интервалов | 10 |
| 9 | Визуализация: распределение признаков | 6 |
| 10 | Визуализация: распределение целевой переменной | 6 |
| 11 | Визуализация: распределение (распределения) оценок параметров | 8 |
| 12 | Визуализация: распределение (распределения) оценок меры качества модели | 8 |
| 13 | Визуализация: вывода модели с отображением доверительных интервалов | 7 |
| 14 | Выводы: наличие и величины алеаторической и эпистемической неопределенности | 2 |
| 15 | Выводы: насколько модель подходит для описания данных | 2 |
| 16 | Выводы: достаточность данных для оценки параметров модели | 3 |
| 17 | Выводы: соотношение выразительности модели и ее обобщающей способности | 3 |
| Name | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | Sum |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| max | 4 | 4 | 15 | 7 | 7 | 7 | 8 | 10 | 6 | 6 | 8 | 8 | 7 | 2 | 2 | 3 | 3 | 100 |
| Анастасия Платова | 4 | 4 | 15 | 7 | 0 | 0 | 0 | 0 | 6 | 6 | 8 | 0 | 0 | 0 | 0 | 0 | 0 | 45 |
| Анастасия Платова - rev.2 | 4 | 4 | 15 | 7 | 0 | 7 | 8 | 0 | 6 | 6 | 8 | 0 | 0 | 0 | 0 | 0 | 0 | 65 |
| Алексей Верещагин | 4 | 4 | 15 | 7 | 7 | 7 | 4 | 10 | 6 | 6 | 0 | 0 | 7 | 0 | 0 | 0 | 0 | 77 |
| Анастасия Конюхова | 4 | 4 | 15 | 7 | 7 | 7 | 8 | 10 | 6 | 6 | 8 | 8 | 5 | 2 | 2 | 2 | 2 | 103 |
| Елизавета Цуканова | 4 | 4 | 15 | 3 | 7 | 4 | 0 | 0 | 6 | 6 | 8 | 0 | 0 | 2 | 2 | 3 | 0 | 64 |
| Евгения Аглова | 4 | 4 | 15 | 7 | 5 | 5 | 8 | 8 | 6 | 6 | 8 | 0 | 0 | 2 | 2 | 2 | 2 | 84 |
| Варвара Першина | 4 | 4 | 15 | 7 | 7 | 7 | 8 | 10 | 6 | 6 | 8 | 8 | 7 | 2 | 2 | 3 | 0 | 104 |
| Элеонора Грибняк | 4 | 4 | 15 | 3 | 0 | 0 | 0 | 0 | 6 | 6 | 8 | 0 | 0 | 1 | 0 | 0 | 0 | 47 |
| Элеонора Грибняк - rev. 2 | 4 | 4 | 15 | 7 | 7 | 7 | 8 | - | 6 | 6 | 8 | - | 4 | 1 | - | - | - | 77 |