ТРУДЫ СЕМИНАРА ПО ГЕОМЕТРИИ И МАТЕМАТИЧЕСКОМУ МОДЕЛИРОВАНИЮ

В случае, когда изучаемые объекты разбиты на кластеры, для построения более точных математических моделей удобно использовать искусственную переменную, которая каждому объекту ставит в соответствие его кластер. Эта кластерная переменная нуждается в переводе в числовую форму, т.е. в квантификации. Сегодня для решения этой задачи часто применяют алгоритм анализа соответствий. Он позволяет квантифицировать сразу пару нечисловых переменных по таблицеих сопряженности. Но оказывается, метод перестает работать в случае, когда кластеры в задаче выделяются предельно четко, в частности, он склонен приписывать различным кластерам одинаковые метки. Поэтому актуальна задача его модификации. В работе обсуждаются несколько методов идентификации и последующего обхода формальных сбоев методики анализа соответствий для случая четко выделяющихся кластеров.

Целью данной исследовательской работы является исследование эффективности различных методов машинного обучения. В данной работе будут проанализированы и будет проведено сравнение нескольких широко используемых методов, включая линейную регрессию, PolynomialFeatures, метод градиентного бустинга, метод случайного леса.

Данная статья представляет методологию определения атмосферного давления с использованием метода k-ближайших соседей. В ней процесс сбора данных о погоде в 3 населённых пунктах. Затем подробно объясняется принцип работы метода k-ближайших соседей, который используется для прогнозирования атмосферного давления на основе близких значений измерений. Эффективность метода и точность результатов подтверждаются в экспериментальных исследованиях, где сравниваются предсказанные и реальные значения давления.