В данной работе дается описание вероятностной нейронной сети, её плюсов и минусов. Описывается индустриальный набор данных и процесс его обработки с целью обучения вероятностной нейронной сети, линейной регрессии и случайного леса для прогнозирования конверсии видео-рекламы. Прогнозирование осуществляется по времени демонстрации рекламы, по социальным метрикам возраста и пола. В результате, прогнозы сравниваются по среднеквадратичной ошибке, средней абсолютной ошибке и коэффициенту детерминации. Кроме этого осуществляется экспертная оценка для более подробного исследования моделей.

This paper describes a probabilistic neural network, its pros and cons. Describes an industrial data set and its executing process in order to train a probabilistic neural network, linear regression and a random forest to predict the conversion of video advertising. Prediction is carried out by the time of advertising demonstration, by social metrics of age and gender. As a result, the predictions are compared by the mean-squared error (MSE), the mean absolute error (MAE) and the coefficient of determination. In addition, an expert estimation is carried out for a more detailed research of the models.

• Введение
• 1. Обзор моделей вероятностных нейронных сетей в задачах прогнозирования
• 2. Описание набора данных и процесса его формирования из разрозненных наборов
• 3. Различные оценки конверсии видео-рекламы
• 4. Реализация вероятностной нейронной сети и сравнение с линейной регрессией и случайным лесом
• 5. Экспертная оценка моделей
• Заключение
• Список использованных источников
• Приложение 1. Линейная регрессия
• Приложение 2. Случайный лес
• Приложение 3. Вероятностная нейронная сеть