Μέθοδοι Στατιστικής και Μηχανικής Μάθησης (8 ΠΜ)

Διάκριση μεθόδων στατιστικής μάθησης σε supervised και unsupervised και καθορισμός του είδους των στατιστικών προβλημάτων που θεραπεύουν, η έννοια της απόστασης στη Στατιστική, Clustering (K-means, Hierarchical clustering, Model-based clustering), Classification (LDA, QDA, K-nearest neighbors, η διαχωριστική ανάλυση του Fisher), Μέθοδοι resampling (cross-validation, bootstrap), linear model selection και regularization (subset selection, shrinkage, dimension reduction), πολυωνυμική παλινδρόμηση, step functions, regression splines, δενδρικές μέθοδοι, support vector machines, neural networks.

Προτεινόμενη Βιβλιογραφία

• Hastie, Tibshirani and Friedman (2009) Elements of Statistical Learning, 2nd edition Springer
• James, Witten, Hastie and Tibshirani (2011)  Introduction to Statistical Learning with  applications in R, Springer
• B. S. Everitt, S. Landau, M. Leese, and D. Stahl (2011) Cluster Analysis, Fifth Edition, Wiley

(παλιός τίτλος: Πολυμεταβλητές Στατιστικές Τεχνικές)

Το περίγραμμα του μαθήματος βρίσκεται εδώ.