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
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Целью работы является формирование четкого, универсального подхода к отбору данных и формированию обучающей выборки для решения задач с использованием алгоритмов машинного обучения, а также в исследовании и применении на практике нового коэффициента согласия в динамике, использующегося при проведении корреляционного анализа. Были решены следующие задачи: сформировать проблемное поле, описать влияние факторов, возникающих в результате использования неподготовленных или непроверенных данных при решении задач с использованием ИИ; обосновать важность проблемы, описать положительные эффекты от применения универсального подхода по пред подготовке данных; оценить степень изученности проблемы посредством анализа научных работ по тематике; провести исследование подхода к отбору данных и формированию обучающей выборки, а также исследовать новый механизм оценки взаимосвязей между временными рядами; смоделировать решение задачи прогнозирования товарного спроса с использованием алгоритмов машинного обучения, опираясь на методы, полученные в результате исследования; сформировать выводы о дальнейшем развитии изученного подхода. Предложен подход к формированию качественной обучающей выборки для машинного обучения, а также практическое применение нового инструмента оценки корреляционных взаимосвязей.
The aim of the work is to form a clear, universal approach to data selection and the formation of a training sample for solving problems using machine learning algorithms, as well as in the study and practical application of a new coefficient of agreement in dynamics used in correlation analysis. The following tasks were solved: to form a problem field, to describe the influence of factors arising from the use of unprepared or unverified data in solving problems using AI; to substantiate the importance of the problem, to describe the positive effects of applying a universal approach to data preparation; to assess the degree of study of the problem by analyzing scientific papers on the subject; to conduct a study of the approach to data selection and the formation of a training sample, as well as to explore a new mechanism for assessing the relationships between time series; to simulate the solution of the problem of forecasting commodity demand using machine learning algorithms, based on the methods obtained as a result of the study; to form conclusions about the further development of the studied approach. An approach to the formation of a high-quality training sample for machine learning is proposed, as well as the practical application of a new tool for evaluating correlation relationships.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все |
![]() ![]() |
||||
Интернет | Авторизованные пользователи СПбПУ |
![]() ![]() |
||||
![]() |
Интернет | Анонимные пользователи |
Оглавление
- ЗАДАНИЕ
- ВВЕДЕНИЕ
- 1. ПОСТАНОВКА ЗАДАЧИ ОТБОРА И ПОДГОТОВКИ ДАННЫХ ДЛЯ ИСПОЛЬЗОВАНИЯ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В БИЗНЕС-АНАЛИТИКЕ
- 1.1. Использование машинного обучения при принятии бизнес-решений
- 1.2. Проблема качества входных данных. Анализ и влияние.
- 1.3. Мировой опыт решения проблемы качества данных
- 2. МЕТОДЫ ОТБОРА И ПОДГОТОВКИ ДАННЫХ ДЛЯ ИСПОЛЬЗОВАНИЯ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В БИЗНЕС-АНАЛИТИКЕ
- 2.1. Предварительная подготовка обучающей выборки
- 2.2. Корреляционный анализ признаков модели
- 2.3. Основные инструменты и методы прогнозной аналитики
- 3. МЕТОДИКА ОТБОРА И ПОДГОТОВКИ ДАННЫХ ДЛЯ ИСПОЛЬЗОВАНИЯ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В БИЗНЕС-АНАЛИТИКЕ
- 3.1. Подбор разметка и анализ данных
- 3.2. Формирование обучающей выборки для прогнозирования товарного спроса
- 3.3. Построение прогностической модели
- 3.4. Коммерческая эффективность подхода
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Статистика использования
|
Количество обращений: 0
За последние 30 дней: 0 Подробная статистика |