Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
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.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Статистика использования
Количество обращений: 5
За последние 30 дней: 0 Подробная статистика |