bdaisdt lec + tsaf minor update + tsaf-hw-01 failed

04-big-data-analysis-information-systems-developing-technologies.tex

@@ -3,7 +3,7 @@
 \input{settings/common-preamble}
 \input{settings/bmstu-preamble}
 \input{settings/fancy-listings-preamble}
-\author{Гребенюк Елена Алексеевна}
+\author{Гребенюк Елена Алексеевна (lgrebenuk12@yandex.ru)}
 \title{Технологии разработки информационных систем для анализа больших объёмов информации}
 \date{2023-02-08}
 
@@ -637,15 +637,17 @@ $Q(a,x)=\frac{1}{l}\sum^l_{i=1}(a(x_i)-y_i)^2$
 \item Исправленный коэффициент детерминации растет при включении переменной
 \item Другие коэффициенты испытывают значительное смещение при включении новой переменной
 \end{enumerate}
- \subsection {Пример решения задачи регрессии с ис}
+% \subsection {Пример решения задачи регрессии с ис}
 
 \section{Линейная регрессия}
- $g(X_i,w)=\sum^r_{j=1}(w_jx_{ij}+w_0)\rightarrow Y_i$ , модель прогнозирования, $X_i-r$–мерный вектор 
- Функция потерь алгоритма: $L(a,y)=(g(X_i,w)-Y_i)^2$
- Методы обучения: наименьших квадратов;  градиентного спуска:
- $$L(a,y)=\frac{1}{l}\sum^l_{i=1}(g(X_i,w)-Y_i)^2\rightarrow min \underset{w}{min}$$
- Мера качества. Средняя квадратичная ошибка (MSE): $Q(a,x)=\frac{1}{l}\sum^l_{i=1}(g(X_i,w)-Y_i)^2$
-% lgrebenuk12@yandex.ru
+$g(X_i,w)=\sum^r_{j=1}(w_jx_{ij}+w_0)\rightarrow Y_i$ , модель прогнозирования, $X_i-r$–мерный вектор. Функция потерь алгоритма: $L(a,y)=(g(X_i,w)-Y_i)^2$. Методы обучения:
+\begin{itemize}
+\item наименьших квадратов;  
+\item градиентного спуска:
+  \[L(a,y)=\frac{1}{l}\sum^l_{i=1}(g(X_i,w)-Y_i)^2\to \underset{w}{\min}\]
+\end{itemize}
+Мера качества. Средняя квадратичная ошибка (MSE): $Q(a,x)=\frac{1}{l}\sum^l_{i=1}(g(X_i,\omega)-Y_i)^2$
+
 \begin{equation*}
   \begin{gathered}
     R^2 = 1-\frac{\sum_{i=1}^l(a(x_i)-y_i)}{\sum_{i=1}^l(y_i-\overline{y})^2}\\
@@ -653,7 +655,7 @@ $Q(a,x)=\frac{1}{l}\sum^l_{i=1}(a(x_i)-y_i)^2$
     MSE = \frac{1}{n}\sum_{i=1}^n(y_i - \overline{y})^2 = \sigma^2_r
   \end{gathered}
 \end{equation*}
-числитель -- среднеквадратичная ошибка, знаменатель -- простое среднее. Хорошая модель - где ошибка классификатора минимальна. r - число регрессоров. В модель нежелательно включать лишние регрессоры (штрафы по критериям акаике и шварца).
+числитель -- среднеквадратичная ошибка, знаменатель -- простое среднее. Хорошая модель -- где ошибка классификатора минимальна. В модель нежелательно включать лишние регрессоры (штрафы по критериям Aкаике и Iварца).
 
 Критерии для включения переменной
 \begin{enumerate}
@@ -676,20 +678,159 @@ $Q(a,x)=\frac{1}{l}\sum^l_{i=1}(a(x_i)-y_i)^2$
 \[g(X,w)\sum^p_{j=1}w_j\varphi_j(X)+w_0=\sum^p_{j=0}w_j\varphi_j(X),\varphi_0(X)=1'\]
 Число базисных функций может отличаться от числа признаков $j$.
 
+\section{Метод опорных векторов}
+
+\includegraphics[width=0.5\textwidth]{pics/04-bdaisdt-ROC-11.png}
+
+\begin{itemize}
+\item Решает задачу бинарной классификации $Y=\left\{1,-1\right\}$
+\item Классификатор линейный -- $\langle X_i, w \rangle $,
+\item Функция потерь $L(\mathcal{L},a(x))=\sum^N_{i=1}(0,1-Y_i\langle X_i,w\rangle)\rightarrow \underset{w}{\min}$
+\item Алгоритм  максимизирует отступ классификатора (расстояние до ближайшего объекта), при условии минимизации числа ошибок.
+\end{itemize}
+
 \subsection{Линейно разделимый случай}
 Мы можем найти такие параметры, при которых классификатор не допускает ни одной ошибки
 
-Отступ классификатора
+Пусть существуют такие параметры $w^*$ и $b^*$, что классификатор $a(X_i,w)=sign(\langle w^*, X_i\rangle+b^*)$ не допускает ни одной ошибки на обучающей выборке, т.е. выборка является линейно разделимой. Тогда строим алгоритм такой, что
+\begin{enumerate}
+\item $Y_i(\langle X_i, w\rangle+w_0)>0, i=1,2,...,N;$
+\item Отступ классификатора -- расстояние от границы до ближайшего объекта максимальное. 
+\end{enumerate}
 
-...
+\includegraphics[width=0.25\textwidth]{pics/04-bdaisdt-ROC-12.png}
 
-Вычисление ширины разделяющей полосы классификатора
+Величина отступа или функция потерь алгоритма на обучающей выборке : 
 
-...
+\[D(x,a)=\frac{1}{l}\sum^l_{i=1}[sign(w, x_i)*y_i<0]\]
 
-Метод опорных векторов
+где $sign(w, x_i)*y_i$ называется отступом. Положительный знак отступа соответствует правильному ответу, отрицательный -- неправильному, величина отступа -- среднее расстояние от разделяющей гиперплоскости до объектов. Метод обучения -- минимизация эмпирического риска. Функционал 
 
-\section{Домашнее задание}
+\[D(x,a)=\frac{1}{l}\sum^l_{i=1}[sign(w, x_i)*y_i<0]\to \underset{w}{min}\]
+
+не допускает использование градиентных методов поиска экстремума.
+
+\subsection{Отступ классификатора}
+
+Пусть $(sign\langle \hat{w},X_i \rangle+\hat{b})$ -- построенный линейный  классификатор. Тогда расстояние от любой точки $X_i\in{X_t,Y_t},t=1,2,...,N$ обучающей выборки до гиперплоскости, определяемой уравнением,$\hat{w}X+\hat{b}=0$ равно:
+
+\[ \rho_0(x,a)=\frac{|\hat{w}X_i+\hat{b}|}{||\hat{w}||}\]
+
+оно совпадает с отступом объекта $X_i$, следовательно, отступ классификатора  равен 
+
+\[\underbrace{\min}_{i=1,2,...,N}\frac{|\hat{w}X_i+\hat{b}|}{||\hat{w}||}\]
+
+\textbf{Вычисление ширины разделяющей полосы классификатора}
+
+Ищем $\alpha$ такое, что для $w^*=\alpha\hat{w}$ и $b^*=\alpha\hat{b}$ 
+
+\[\underbrace{\min}_{i=1,2,...,N}|w^*X_i+b^*|=1\]
+
+Тогда расстояние от гиперплоскости до ближайшего объекта обучающей выборки равно $\underbrace{\min}_{i=1,2,...,N}\frac{w^*X_i+b^*}{||w*||}=\frac{1}{||w^*||}$, т.е. ширина разделяющей полосы (отступ классификатора) равна  $\frac{2}{||w^*||}$
+
+Строим классификатор, без ошибок разделяющий обучающую выборку и имеющий максимальный отступ.
+\[ \begin{cases} 
+\begin{gathered}
+y_i(\langle w^*,X_i\rangle + b^*)\geq 1, i = 1, 2, ..., l\\
+||w^*||^2/2 \to \underbrace{\min}_{b^*,w^*}
+\end{gathered}
+\end{cases}\]
+
+Первое условие означает отсутствие ошибок классификации для линейно разделимой выборки.
+
+\textbf{Неразделимый случай.} Если в выборке есть $X_i$, такие что при любых $w^*$ и $b^*$, не существует решения задачи, то для них рассматриваются ограничения 
+\[y_i(\langle w^*,X_i\rangle+b^*)\geq 1-\xi_i\]
+где $\xi_i>0$ -- штраф за нарушение ограничений. Если отступ объекта лежит между 0 и 1, то объект верно классифицируется, но штрафуется за попадание внутрь разделяющей полосы.
+
+\subsection{Метод опорных векторов для линейно неразделимой выборки}
+Найти такие $w,b,\xi_i$, для которых задача 
+\[ \begin{cases} 
+\begin{gathered}
+||\hat{w}||^2/2+C\sum^l_{i=1}\xi_i\to \underbrace{min}_{b,w,\xi}\\
+y_i(\langle \hat{w},X_i\rangle + \hat{b})\geq 1-\xi_i,  i = 1, 2, ..., l\\  
+\xi_i \geq 0, i = 1, 2, ..., l\\ 
+\end{gathered}
+\end{cases}\]
+Имеет допустимое решение, где $С>0$ -- гипер-параметр
+
+\textbf{Замена задачи условной оптимизации задачей безусловной оптимизации}
+Задача условной оптимизации
+
+\[ \begin{cases} 
+\begin{gathered}
+||\hat{w}||^2/2+C\sum^l_{i=1}\xi_i\to \underbrace{min}_{b,w,\xi}\\
+y_i(\langle \hat{w},X_i\rangle + \hat{b})\geq 1-\xi_i,  i = 1, 2, ..., l\\  
+\xi_i \geq 0, i = 1, 2, ..., l\\ 
+\end{gathered}
+\end{cases}\]
+
+Перепишем второе и третье условия в виде: 
+\[ \begin{cases} 
+\begin{gathered}
+ \xi_i\gg 1 - y_i(\langle \hat{w},X_i\rangle + \hat{b})\\
+\xi_i \geq 0
+\end{gathered}
+  \to \xi_i \geq max(0,1-y_i(\langle \hat{w},X_i\rangle + \hat{b}))
+\end{cases}\]
+
+Отступ $М$ по определению равен $M=y_i(\langle \hat{w},X_i \rangle+\hat{b})$, тогда $\max(0,1-(\langle \hat{w},X_i \rangle+\hat{b}))=\max(0,1-M)$. И задача безусловной оптимизации имеет вид
+
+\[||\hat{w}||^2/2+С\sum^l_{i=1}max(0,1-M)\rightarrow \underbrace{\min}_{\hat{w},M}\]
+
+\subsection{Сравнение логистической регрессии и SVM}
+Логистическая регрессия требует, чтобы отступ уходил в $+\infty$ на каждом объекте -- важно для формирования корректных вероятностей, SVM достаточно отступа равного 1. 
+
+\includegraphics[width=0.5\textwidth]{pics/04-bdaisdt-ROC-13.png}
+
+\subsection{Логистическая регрессия -- задание параметров}
+
+\begin{verbatim}  
+LogisticRegression (penalty='l2', *, dual=False, tol=0.0001, C=1.0,
+fit_intercept=True, intercept_scaling=1, class_weight=None,
+random_state=None, solver='lbfgs', max_iter=100, multi_class='auto',
+verbose=0, warm_start=False, n_jobs=None, l1_ratio=None) [source]
+\end{verbatim}
+
+Регуляризация применяется по умолчанию, Solver -- \code{liblinear, bfgs, newton-cg, sag} -- алгоритмы минимизации эмпирического риска.
+
+\begin{enumerate}
+\item Алгоритм Бройдена-Флетчера-Голдфарба-Шанно -- \code{bfgs}
+\item Алгоритм сопряженных градиентов (Ньютона) -- \code{newton-cg}
+\item Стохастический алгоритм усредненного градиента -- \code{sag}
+\end{enumerate}
+
+Решатели «newton-cg», «sag» и «lbfgs» поддерживают только регуляризацию L2. По умолчанию классификатор содержит константу. \code{Liblinear} для небольших размерностей данных, \code{sag} -- для больших. С -- гиперпараметр, не может определяться по обучающей выборке.
+
+\code{class_weight}: \code{dict} or \code{‘balanced’} (default=\code{None}) --  веса классов по умолчанию -1, \code{’balanced’} -- веса устанавливаются обратно пропорционально частотам класса во входных данных.
+
+\code{max_iter}: int(default=100) -- используется только для \code{newton-cg}, \code{sag} и \code{lbfgs}.
+
+\subsection{svm.LinearSVC}
+
+\begin{verbatim}
+svm.LinearSVC (penalty='l2', loss='squared_hinge',*, dual=True, 
+tol=0.0001, C=1.0, multi_class='ovr', fit_intercept=True, 
+intercept_scaling=1, class_weight=None, verbose=0, 
+random_state=None, max_iter=1000)
+\end{verbatim}
+
+использование \code{penalty=‘l1'}, и  функции потерь \code{loss='squared_hinge’} не поддерживается, $С >0$ -- гиперпараметр.
+
+\begin{verbatim}
+svm.SVC (*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, 
+shrinking=True, probability=False, tol=0.001, cache_size=200,
+class_weight=None, verbose=False, max_iter=- 1, 
+decision_function_shape='ovr', break_ties=False, random_state=None)
+\end{verbatim}
+
+\subsection{Оценка качества решения задачи. Режимы тестирования}
+\begin{itemize}
+\item \textbf{Отложенная выборка:} выделение обучающей, валидационной, и тестовой выборок, оценка качества работы алгоритма на обеих выборках.
+\item \textbf{Полная кросс-валидация}. Выбирается значение $t$, затем выборка разбивается всеми возможными способами на две части: $T^l=T^t\cup T_{l-t}$, вычисляется средняя оценка качества по всем разбиениям. 
+\item \textbf{K-fold кросс-валидация}. Обучающая выборка разбивается на $k$ непересекающихся одинаковых по объему частей. Выполняется $k$ итераций. На каждой итерации из выборки удаляется одна из частей и модель обучается по оставшимся частям выборки. Модель тестируется на части обучающей выборки, которая не участвовала в обучении. Вычисляется средняя оценка качества по всем разбиениям
+\end{itemize}
+
+% \section{Домашнее задание}
 \section{Задания на РК}
 В таблице показаны прогнозы, сделанные по двум регрессионным моделям. Для каждой модели рассчитайте сумму квадратов ошибки и оцените качество моделей.
 \begin{table}[H]

04-time-series-analysis-forecasting.tex

@@ -17,7 +17,7 @@
 
 \href{https://jino.cloud/s/GGZgntaAqMRQbK2}{Вентцель -- Теория вероятностей}
   
-\href{https://jino.cloud/s/8qNSXycHpkmmmZb}{Гмурман -- Ьеория вероятностей и математическая статистика}
+\href{https://jino.cloud/s/8qNSXycHpkmmmZb}{Гмурман -- Теория вероятностей и математическая статистика}
 
 \subsection{Содержание курса}
 \begin{enumerate}

04-tsaf-01-hw.tex

@@ -0,0 +1,69 @@
+\documentclass[a4paper,fontsize=14bp]{article}
+
+\input{settings/common-preamble}
+\input{settings/fancy-listings-preamble}
+\input{settings/bmstu-preamble}
+\numerationTop
+
+\begin{document}
+\thispagestyle{empty}
+\makeBMSTUHeader
+
+\makeReportTitle{домашней}{№ 1}{Введение}{Анализ и прогнозирование временн\'{ы}х рядов}{а}{Е.А.Гребенюк}
+\newpage
+\sloppy
+\pagestyle{fancy}
+\section{Задание}
+Рассмотрим процесс
+\[y_t = \xi_t - 2.5\xi_{t-1}+\xi_{t-2}, \xi_t \sim N(0,1)\]
+\begin{enumerate}
+\item Является ли процесс $y_t$ обратимым и стационарным?
+\item Найти автоковариационную функцию процесса $y_t$.
+\item Вычислить дисперсию процесса $y_t$.
+\item Рассматривается процесс ARMA(1, 1):
+
+  $1-\alpha L y_t = (1-0.5L)\xi_t$, где $\alpha$ -- некоторое действительное число и $\xi_t = N(0,\sigma_\xi^2)$. Найти 
+  \begin{itemize}
+  \item все $\alpha \in \mathbb{R}$ для которых процесс является стационарным;
+  \item все $\alpha \in \mathbb{R}$ для которых процесс является обратимым 
+  \end{itemize}
+\end{enumerate}
+
+\section{Выполнение}
+\subsection{Обратимость и стационарность}
+Для процесса возможно построить характеристическое уравнение. Если корни характеристического уравнения авторегрессии по модулю больше 1, то процесс стационарен. Опишем в с помощью оператора сдвига
+\[y_t = 1-2.5L+1L^2\]
+и решим квадратное уравнение
+\begin{equation*}
+  \begin{gathered}
+1-2.5z+z^2=0\\
+z = \frac{-b\pm\sqrt{b^2-4ac}}{2a}\\
+z_1 = \frac{-2.5-\sqrt{-2.5^2-4}}{2}\\
+z_1 = 1.25 + \sqrt{1.5625-1} \approx 2\\
+z_2 = \frac{-2.5+\sqrt{-2.5^2-4}}{2}\\
+z_2 = 1.25 - \sqrt{1.5625-1} \approx 0.5
+  \end{gathered}
+\end{equation*}
+Только один корень уравнения по модулю больше, поэтому процесс \textbf{не является стационарным}.
+
+Процесс является обратимым если корни характеристического уравнения скользящего среднего процесса больше 1.
+\[1-1.5\lambda = 0\]
+Корень характеристического уравнения $\lambda = \frac{1}{1.5} = 0.6(6)$ -- процесс \textbf{не обратим}.
+
+\subsection{Автоковариационная функция}
+
+\subsection{Дисперсия процесса}
+\begin{equation*}
+  \begin{gathered}
+M[x] = \sum x_i p_i\\
+M[x] = 0*1+1*(-2.5)+2*1 = -0.5\\
+D[Y] = \sum x^2_i p_i - \left(\sum x_i p_i \right)^2\\
+D = 0^2*1+1^2+-2.5+2^2*1-(0*1+1*(-2.5)+2*1)^2=1.25
+  \end{gathered}
+\end{equation*}
+
+
+\subsection{Процесс ARMA(1, 1)}
+
+
+\end{document}