EDzGBD/W

Wykład 1: O tym przedmiocie...
Wykłady 2, 3: Przypomnienie elementów z rachunku prawdopodobieństwa. Naiwny Klasyfikator Bayesa. Aktualizacja rozkładów prawdopodobieństwa wg reguły Bayesa
Wykłady 4, 5: Drzewa decyzyjne CART (budowa i techniki przycinania)
Wykłady 6, 7: Reguły decyzyjne. Reguły Pareto-optymalne
Wykład 8: Indukcja reguł asocjacyjnych - algorytm Apriori
Wykład 9: Regresja liniowa i wielomianowa (metoda najmniejszych kwadratów).
Wykład 10: Regresja z regularyzacją L2 (ridge regression).
Wykład 11: Regresja z regularyzacją L1 (lasso regression), algorytm Forward Stagewise Regression for LASSO.
Wykład 12: Boosting (meta-klasyfikatory). Algorytm AdaBoost.