Предварительный анализ данных и построение признаков в задаче прогнозирования объемов поставок
(Стр. 141-152)
Подробнее об авторах
Семёнова Полина Алексеевна
факультет информационных технологий и анализа больших данных
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Гринева Наталья Владимировна кандидат экономических наук, доцент; доцент, кафедра анализа данных и машинного обучения; Финансовый университет при Правительстве Российской Федерации; г. Москва, Российская Федерация Михайлова Светлана Сергеевна доктор экономических наук, доцент; профессор, кафедра анализа данных и машинного обучения, факультет информационных технологий и анализа больших данных
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Гринева Наталья Владимировна кандидат экономических наук, доцент; доцент, кафедра анализа данных и машинного обучения; Финансовый университет при Правительстве Российской Федерации; г. Москва, Российская Федерация Михайлова Светлана Сергеевна доктор экономических наук, доцент; профессор, кафедра анализа данных и машинного обучения, факультет информационных технологий и анализа больших данных
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
Машинное обучение является основной областью искусственного интеллекта. Это способствует новому этапу развития области информационных технологий, так как теперь компьютер способен переходить в режим самообучения без явного программирования. Целью исследования являлось нахождение оптимального набора экзогенных переменных, обеспечивающего наилучшее качество модели в задаче прогнозирования объемов выпускаемой продукции. В результате исследования реализованы несколько способов построения новых атрибутов и выделены основные аспекты в предобработки данных из этой предметной области.
Образец цитирования:
Семёнова П. А., Гринева Н. В., Михайлова С. С. Предварительный анализ данных и построение признаков в задаче прогнозирования объемов поставок // Проблемы экономики и юридической практики. 2023. Т. 19. № 3. С. 141-152. EDN: CALJPF
Список литературы:
In-depth guide to machine learning in the enterprise / Ed Burns —2021 —c. 1–3.
Data Preprocessing and Data Wrangling in Machine Learning / Salvador García, Sergio Ramírez-Gallego, Julián Luengo, José Manuel Benítez, Francisco Herrera—ноябрь 2016.
Big data preprocessing: methods and prospects / Jagreet Kaur —сентябрь 2022 —c. 1–4.
Быков К. В. Особенности предобработки данных для применения машинного обучения / К. В. Быков. —Текст: непосредственный // Молодой ученый. —2021. —№ 53 (395). —С. 1–4.
Yu L. et al. Missing data preprocessing in credit classification: One-hot encoding or imputation? //Emerging Markets Finance and Trade. —2022. —Т. 58. —№. 2. —С. 472–482.
Handling Categorical Data, The Right Way / Eugenio Zuccarelli —сентябрь 2020.
Data Preprocessing and Data Wrangling in Machine Learning / Salvador García, Sergio Ramírez-Gallego, Julián Luengo, José Manuel Benítez, Francisco Herrera—ноябрь 2016.
Big data preprocessing: methods and prospects / Jagreet Kaur —сентябрь 2022 —c. 1–4.
Быков К. В. Особенности предобработки данных для применения машинного обучения / К. В. Быков. —Текст: непосредственный // Молодой ученый. —2021. —№ 53 (395). —С. 1–4.
Yu L. et al. Missing data preprocessing in credit classification: One-hot encoding or imputation? //Emerging Markets Finance and Trade. —2022. —Т. 58. —№. 2. —С. 472–482.
Handling Categorical Data, The Right Way / Eugenio Zuccarelli —сентябрь 2020.
Ключевые слова:
предообработка данных, построение признаков, объемы поставок..
Статьи по теме
