Моделі багатофакторного прогнозування
Дане дослідження є розвитком напрямку прикладного аналізу даних. Він відіграє важливу роль у виявленні значущої інформації в наборах даних, яка допомагає приймати обґрунтовані рішення в різних сферах людської діяльності. Наведено інформаційні технології багатофакторного прогнозування, які базуються...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
State University “Uzhhorod National University”
2022-05-01
|
| Series: | Науковий вісник Ужгородського університету. Серія: Математика і інформатика |
| Subjects: | |
| Online Access: | http://visnyk-math.uzhnu.edu.ua/article/view/257028 |
| _version_ | 1818543486598643712 |
|---|---|
| author | Н. Е. Кондрук |
| author_facet | Н. Е. Кондрук |
| author_sort | Н. Е. Кондрук |
| collection | DOAJ |
| description | Дане дослідження є розвитком напрямку прикладного аналізу даних. Він відіграє важливу роль у виявленні значущої інформації в наборах даних, яка допомагає приймати обґрунтовані рішення в різних сферах людської діяльності. Наведено інформаційні технології багатофакторного прогнозування, які базуються на моделях MLR та DR і є частиною класичного машинного навчання. Розроблена інформаційно-аналітична система на мові програмування Python та бібліотеки scikit-learn, що реалізує описаний підхід. В якості апробаційної моделі обрана актуальна задача прогнозування ВВП України за показниками: індекс інфляції, чисельність населення, офіційний курс долара, рівень безробіття у відсотках та міграційний приріст. Навчальна вибірка містила 16 спостережень. В ході експериментального дослідження кращою виявилось модель дерева регресії із показником коефіцієнту детермінації 99% та середньої абсолютної відсоткової похибки 6%. Дані індекси якості моделі вказують на її високу точність. Перспективні дослідження полягають у розвитку підходу прикладного аналізу даних для розв'язання різних видів прикладних задач. |
| first_indexed | 2024-12-11T22:36:02Z |
| format | Article |
| id | doaj.art-5b0bb8a7610a4bc08e1f5c55b3172020 |
| institution | Directory Open Access Journal |
| issn | 2616-7700 |
| language | English |
| last_indexed | 2024-12-11T22:36:02Z |
| publishDate | 2022-05-01 |
| publisher | State University “Uzhhorod National University” |
| record_format | Article |
| series | Науковий вісник Ужгородського університету. Серія: Математика і інформатика |
| spelling | doaj.art-5b0bb8a7610a4bc08e1f5c55b31720202022-12-22T00:47:58ZengState University “Uzhhorod National University”Науковий вісник Ужгородського університету. Серія: Математика і інформатика2616-77002022-05-0140116817410.24144/2616-7700.2022.40(1).168-174294947Моделі багатофакторного прогнозуванняН. Е. Кондрук0https://orcid.org/0000-0002-9277-5131Ужгородський національний університетДане дослідження є розвитком напрямку прикладного аналізу даних. Він відіграє важливу роль у виявленні значущої інформації в наборах даних, яка допомагає приймати обґрунтовані рішення в різних сферах людської діяльності. Наведено інформаційні технології багатофакторного прогнозування, які базуються на моделях MLR та DR і є частиною класичного машинного навчання. Розроблена інформаційно-аналітична система на мові програмування Python та бібліотеки scikit-learn, що реалізує описаний підхід. В якості апробаційної моделі обрана актуальна задача прогнозування ВВП України за показниками: індекс інфляції, чисельність населення, офіційний курс долара, рівень безробіття у відсотках та міграційний приріст. Навчальна вибірка містила 16 спостережень. В ході експериментального дослідження кращою виявилось модель дерева регресії із показником коефіцієнту детермінації 99% та середньої абсолютної відсоткової похибки 6%. Дані індекси якості моделі вказують на її високу точність. Перспективні дослідження полягають у розвитку підходу прикладного аналізу даних для розв'язання різних видів прикладних задач.http://visnyk-math.uzhnu.edu.ua/article/view/257028багатофакторне прогнозуваннядерева регресіїбагатофакторний лінійний аналізпрогнозування ввп |
| spellingShingle | Н. Е. Кондрук Моделі багатофакторного прогнозування Науковий вісник Ужгородського університету. Серія: Математика і інформатика багатофакторне прогнозування дерева регресії багатофакторний лінійний аналіз прогнозування ввп |
| title | Моделі багатофакторного прогнозування |
| title_full | Моделі багатофакторного прогнозування |
| title_fullStr | Моделі багатофакторного прогнозування |
| title_full_unstemmed | Моделі багатофакторного прогнозування |
| title_short | Моделі багатофакторного прогнозування |
| title_sort | моделі багатофакторного прогнозування |
| topic | багатофакторне прогнозування дерева регресії багатофакторний лінійний аналіз прогнозування ввп |
| url | http://visnyk-math.uzhnu.edu.ua/article/view/257028 |
| work_keys_str_mv | AT nekondruk modelíbagatofaktornogoprognozuvannâ |