Тема выпускной квалификационной работы: XGBOOST: классификация параметров методов регрессионного анализа. Объектом исследования данной работы является PW-эстиматор – один из методов оценки параметров кусочно-полиномиальной модели для нестационарных временных рядов, точнее, один из его гиперпараметров – минимальный размер сегмента перед точкой разладки. Реализация данного эстиматора содержится во фреймворке А. А. Иванкова [8]. Для этого разработаны программные модули фреймворка для редактирования конфигурационных файлов и формирования множества оценок качества регрессионного анализа по различным метрикам; собрана (с исправлениями) библиотека XGBoost, на основании которой был реализован программный модуль для классификации гиперпараметра метода регрессионного анализа. Полученные результанты дают возможность выдвинуть ряд гипотез о поведении оценок качества регрессионного анализа и зависимостях между оценками качества и значением гиперпарамметра.

The subject of graduate qualification work is XGBOOST: classification of parameters of regression analysis methods. The object of study in this thesis is the PW-estimator, one of the methods for estimating the parameters of a piecewise polynomial model for non-stationary time series. The study is aimed on its hypermarapeter, the minimum size of segment before break point. The A.A. Ivankov`s framework [8] contain the implementation of this estimator. There are software modules of this framework have been developed for editing configuration files and generating a set of quality evaluation for various metrics; compiled (with fixes) the XGBoost library, on the basis of which a software modules was implemented for classification of the hyperparameter of the regression analysis method. The results obtained make it possible to put forward a number if hypotheses about the behavior of the regression analysis quality estimates and the dependencies between the quality estimates and the value of the hyperparameter.