Отрывок: Основная идея метода заключается в построении гиперплоскости, ко- торая оптимальным образом разделяет объекты выборки. Алгоритм работает в предположении, что чем больше расстояние (зазор) между разделяющей гипер- плоскостью и объектами разделяемых классов, тем меньше средняя ошибка классификатора [2]. Преимущества метода заключаются в следующем: - метод эффективен для данных большой размерности; - эффективен, если количество измерений превышает количество...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorОрлова, Е.В.-
dc.date.accessioned2023-02-13 11:54:59-
dc.date.available2023-02-13 11:54:59-
dc.date.issued2022-
dc.identifierDspace\SGAU\20230212\101916ru
dc.identifier.citationОрлова Е.В. ВЫЯВЛЕНИЕ ПРИЧИННЫХ СВЯЗЕЙ В РАНДОМИЗИРОВАННЫХ ИСПЫТАНИЯХ НА ОСНОВЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ/ Е.В. Орлова // Перспективные информационные технологии (ПИТ 2022) [Электронный ресурс] : труды Международной научно-технической конференции / под ред. С.А. Прохорова – Самара: Издательство Самарского научного центра РАН. – 2022. – С. 205-209ru
dc.identifier.isbn978-5-93424-880-3-
dc.identifier.urihttp://repo.ssau.ru/handle/Perspektivnye-informacionnye-tehnologii/VYYaVLENIE-PRIChINNYH-SVYaZEI-V-RANDOMIZIROVANNYH-ISPYTANIYaH-NA-OSNOVE-ALGORITMOV-MAShINNOGO-OBUChENIYa-101916-
dc.description.abstractОписан метод статистического эксперимента - рандомизированное испытание, который используется для тестирования эффективности решений и выбора наилучшего решения из множества возможных в условиях неоднородных статистических данных. В этом случае решение выступает в качестве фактора-причины, а эффективность функционирования объекта является фактором-следствием. Обработку результатов таких испытаний можно проводить с помощью методов машинного обучения. Применение методов машинного обучения позволит исключить возможные ложные корреляции факторов, идентифицировать истинные причинные зависимости и установить наиболее эффективное решение.ru
dc.language.isorusru
dc.publisherИздательство Самарского научного центра РАНru
dc.subjectстатистический эксперимент, рандомизированное испытание, методы машинного обучения; кластеризация; классификацияru
dc.titleВЫЯВЛЕНИЕ ПРИЧИННЫХ СВЯЗЕЙ В РАНДОМИЗИРОВАННЫХ ИСПЫТАНИЯХ НА ОСНОВЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯru
dc.typeArticleru
dc.textpartОсновная идея метода заключается в построении гиперплоскости, ко- торая оптимальным образом разделяет объекты выборки. Алгоритм работает в предположении, что чем больше расстояние (зазор) между разделяющей гипер- плоскостью и объектами разделяемых классов, тем меньше средняя ошибка классификатора [2]. Преимущества метода заключаются в следующем: - метод эффективен для данных большой размерности; - эффективен, если количество измерений превышает количество...-
Располагается в коллекциях: Перспективные информационные технологии

Файлы этого ресурса:
Файл Описание Размер Формат  
978-5-93424-880-3_2022_205-209.pdf776.68 kBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.