# [NAIL107]	Strojové učení v bioinformatice (3.6.2016)

<{ForumPost(poster="arahusky", timestamp=2016-06-03 15:05:31)}>
Dnešní zkouška u Františka Mráze měla 2 otázky společné pro všechny:  
  
Popište **metody redukce dimenzí **- chtěl popsat jak metody feature selection, tak feature extraction, u které chtěl vždy jednu metodu trochu podrobněji (e.g. u PCA chtěl vědět, jak vypadá dané zobrazení (matematicky), co daná matice obsahuje, ...)  
  
Druhá otázka pak souvisela s první, kdy se ptal na to, jak bychom prakticky redukovaly dimenzi biologických dat - málo samplů, hodně features. Mluvil jsem o tom, že bych nebral atributy mající navzájem vysokou korelaci, zkusil natrénovat Random Forest a díval se, jaké atributy vybírá pro dělení často a které ne, o tom, že pro menší počet atributů by se dalo pomoct histogramy, atd. Obecně člověk může používat libovolné metody feature selection (nebo si najmout odborníka :D).  
  
Pokud se mu něco nezdálo, dal doplňující otázku (e.g. kernely u SVM - proč a jak je používáme).
<{/ForumPost}>

<{ForumPost(poster="mykem", timestamp=2016-06-14 02:39:25)}>
Nevěděl by prosím někdo, jak vypadal druhej termín? Díky :)
<{/ForumPost}>