STK4030 – Statistisk læring: Videregående regresjon og klassifikasjon
Kort om emnet
Moderne regresjon referer til metoder der færre betingelser (som lineær sammenheng mellom respons og forklaringsvariable) blir antatt, og der en istedet lar data bestemmer sammenhengen. Noen stikkord er nærmeste nabo-metoder, kjerneglatting og generaliserte additive modeller. Statistisk klassifikasjon er problemer der responsvariabelen er kategorisk ("klasser"). Emnet vil ta for seg klassiske klassifikasjonsmetoder men også mer avanserte metoder basert på moderne regresjonsmetoder. Sentralt i emnet vil være å søke etter strukturer i data, ofte kalt "data mining" eller "læring fra data"
Hva lærer du?
I løpet av kurset vil du lære mange ulike metoder for regresjon og klassifikasjon. Du vil lære både praktisk bruk av disse metodene samt grunnleggende forståelse av hvordan metodene fungerer. Du vil også lære hvordan du kan velge mellom de mange ulike metoder som finnes.
Opptak og adgangsregulering
Studenter må hvert semester i Studentweb.
Dersom du ikke allerede har studieplass ved UiO, kan du søke opptak til våre , eller søke om å bli .
Forkunnskaper
Anbefalte forkunnskaper
STK1100 – Sannsynlighetsregning og statistisk modellering, STK1110 – Statistiske metoder og dataanalyse og ett av følgende emner: STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon STK2120 – Statistiske metoder og dataanalyse 2 (nedlagt) eller STK3100 – Innføring i generaliserte lineære modeller.
Overlappende emner
- 10 studiepoeng overlapp mot STK9030 – Statistical Learning: Advanced Regression and Classification (nedlagt)
- 7 studiepoeng overlapp mot STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon
- 5 studiepoeng overlapp mot UNIK4590 – Mønstergjenkjenning (videreført)
- 3 studiepoeng overlapp mot INF-STK5010 – Statistical Bioinformatics - Learning from big data in the life sciences (nedlagt)
- 3 studiepoeng overlapp mot INF-STK9010 – Statistical Bioinformatics - Learning from big data in the life sciences (nedlagt)
- 2 studiepoeng overlapp mot INF9540
* Vi gjør oppmerksom på at informasjon om overlapp mot gamle og nye emner ikke er fullstendig. Ta eventuelt kontakt med matematisk institutt.
Undervisning
3 timer forelesning/regneøvelse hver uke hele semesteret.
Eksamen
Avhengig av antall studenter kan eksamen være på en av de
følgende fire formene:
1.Bare skriftlig eksamen
2.Bare muntlig eksamen
3.Prosjektoppgave etterfulgt av skriftlig eksamen
4.Prosjektoppgave etterfulgt av muntlig høring.
For de to siste gjelder det at prosjektoppgaven og avsluttende eksamen vektlegges likt, og endelig karakter baseres på en helthetsvurdering. (Det gis ikke karakter på de individuelle eksamensdelene.)
Hvilken eksamensform som blir benyttet skal kunngjøres av
faglærere senest 15. oktober/15. mars for hhv. høstsemesteret og vårsemesteret.
Hjelpemidler
Tillatte hjelpemidler til skriftlig eksamen: Godkjent kalkulator.
Tillatte hjelpemidler til muntlig eksamen: Ingen.
·¡°ì²õ²¹³¾±ð²Ô²õ²õ±è°ùÃ¥°ì
Dersom emnet undervises på engelsk vil det bare tilbys eksamensoppgavetekst på engelsk.
Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.
Begrunnelse og klage
Adgang til ny eller utsatt eksamen
Dette emnet tilbyr både utsatt og ny eksamen. Les mer:
Trekk fra eksamen
Det er mulig å ta eksamen i emnet inntil tre ganger. Dersom du etter fristen eller under eksamen, bruker du et eksamensforsøk.
Tilrettelagt eksamen
³§Ã¸°ìnadskjema, krav og frist for .
Evaluering av emnet
Vi gjennomfører fortløpende evaluering av emnet, og med jevne mellomrom ber vi studentene delta i en mer omfattende evaluering.