Preview

Радиопромышленность

Расширенный поиск

Исследование возможностей аналитической системы на основе метода машинного обучения

https://doi.org/10.21778/2413-9599-2020-30-3-112-126

Полный текст:

Аннотация

Анализ данных, осуществляемый средствами машинного обучения, необходим практически во всех сферах жизнедеятельности человека. Это связано с большим объемом данных, которые нужно обрабатывать, чтобы, например, спрогнозировать возникновение конкретных событий (аварийная ситуация, обращение клиента в техническую поддержку организации, природный катаклизм и т.д.) или сформулировать рекомендации относительно взаимодействия с определенной группой лиц (персонифицированные предложения для клиента, реакция человека на рекламу и т.д.). Статья посвящена рассмотрению возможностей аналитической системы «Мультитул», созданной на основе метода машинного обучения «дерево решений», в части построения прогностических моделей, пригодных для решения задач анализа данных на практике. С этой целью была проведена серия из десяти экспериментов, в ходе которых результаты, формируемые системой, оценивались с точки зрения их достоверности и робастности посредством пяти критериев: среднее арифметическое, среднеквадратическое отклонение, дисперсия, вероятность и F-мера. В итоге было установлено, что «Мультитул», несмотря на пока ограниченный функционал, позволяет создавать прогностические модели, достаточно качественные и подходящие для практического применения.

Об авторе

С. В. Пальмов
ФГБОУ ВО «Поволжский государственный университет телекоммуникаций и информатики»; ФГБОУ ВО «Самарский государственный технический университет»
Россия

Пальмов Сергей Вадимович, к.т.н., доцент, кафедра «Информационные системы и технологии»; кафедра информационных и развивающих образовательных систем и технологий

443010, Самара, ул. Льва Толстого, д.23

443100, Самара, ул. Молодогвардейская, д.244

тел.: +7 (846) 228-00-64



Список литературы

1. Kotsiantis S. B. Decision trees: a recent overview. Artificial Intelligence Review, 2011, vol. 39(4), pp. 261–283. DOI: 10.1007/s10462-011-9272-4

2. Cutler J., Dickenson M. Computational Frameworks for Political and Social Research with Python (Textbooks on Political Analysis). Springer Publ, 2020, 224 p.

3. Saitta S. What is a good classification accuracy in data mining? [Электронный ресурс]. URL: http://www.dataminingblog.com/what-is-a-good-classification-accuracy-in-data-mining/ (дата обращения: 13.07.2020).

4. Shung K. P. Accuracy, precision, recall or F1? Towards Data Science, 2018. [Электронный ресурс]. URL: https://towardsdatascience.com/accuracy-precision-recall-or-f1-331fb37c5cb9 (дата обращения: 13.07.2020).

5. Paper D. Hands-on Scikit-Learn for Machine Learning Applications. Apress Publ., 2020, 242 p. DOI: 10.1007/978-1-4842-5373-1

6. Van der Walt S., Colber. S., Varoquaux G. The NumPy Array: A Structure for Efficient Numerical Computation. Computing in Science & Engineering, 2011, vol. 13(2), pp. 22–30. doi: 10.1109/MCSE.2011.37

7. Python GUI Guide: Introduction to Tkinter [Электронный ресурс]. URL: https://learn.sparkfun.com/tutorials/python-gui-guideintroduction-to-tkinter/tkinter-overview (дата обращения: 13.07.2020).

8. Orange features [Электронный ресурс]. URL: https://orange.biolab.si/#Orange-Features (дата обращения: 13.07.2020).

9. Бутстрэп [Электронный ресурс]. URL: https://basegroup.ru/community/glossary/bootstrap (дата обращения: 13.07.2020).

10. Новиков С. Стратифицированная выборка в социологическом исследовании // Мониторинг общественного мнения: экономические и социальные перемены. 2001. № 4(54). С. 37–41.

11. Agrapetidou A., Charonyktakis P., Gogas P., Papadimitriou T., Tsamardinos I. An AutoML application to forecasting bank failures. Applied Economics Letters, 2020, pp. 1–5. DOI:10.1080/13504851.2020.1725230


Для цитирования:


Пальмов С.В. Исследование возможностей аналитической системы на основе метода машинного обучения. Радиопромышленность. 2020;30(3):112-126. https://doi.org/10.21778/2413-9599-2020-30-3-112-126

For citation:


Palmov S.V. Studying the capabilities of the analytical system based on the machine learning method. Radio industry (Russia). 2020;30(3):112-126. (In Russ.) https://doi.org/10.21778/2413-9599-2020-30-3-112-126

Просмотров: 38


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2413-9599 (Print)
ISSN 2541-870X (Online)