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 кафедры информационных технологий
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Михайлова Светлана Сергеевна доктор экономических наук, доцент; ведущий научный сотрудник, Институт цифровых технологий, 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 кафедры информационных технологий
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Михайлова Светлана Сергеевна доктор экономических наук, доцент; ведущий научный сотрудник, Институт цифровых технологий, 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..
