|
ИНФОРМАТИКА
Исследование производительности алгоритмов машинного обучения в задачах классификации данных
Е. В. Тимощенкоa, А. Ф. Ражковb a Могилевский государственный университет имени А.А. Кулешова
b Объединенный институт проблем информатики Национальной академии наук Беларуси, Минск
Аннотация:
Предложен подход к решению задачи построения моделей машинного обучения в решении задач классификации данных. На примере анализа наборов биомедицинских данных проведено сравнение производительности
алгоритмов машинного обучения, настроенных с помощью предварительно оптимизированных гиперпараметров.
Найдены наилучшие значения гиперпараметров, обеспечивающие эффективное прогнозирование, для самых
распространенных алгоритмов машинного обучения.
Ключевые слова:
машинное обучение, классификация данных, оптимизация гиперпараметров, обработка больших данных, прогнозирование заболеваний.
Поступила в редакцию: 29.09.2023
Образец цитирования:
Е. В. Тимощенко, А. Ф. Ражков, “Исследование производительности алгоритмов машинного обучения в задачах классификации данных”, ПФМТ, 2023, № 4(57), 94–102
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/pfmt942 https://www.mathnet.ru/rus/pfmt/y2023/i4/p94
|
Статистика просмотров: |
Страница аннотации: | 43 | PDF полного текста: | 58 | Список литературы: | 16 |
|