Предварительный анализ данных и построение признаков в задаче прогнозирования объемов поставок
- Авторы: Семёнова П.А.1, Гринева Н.В.1, Михайлова С.С.1
-
Учреждения:
- Финансовый университет при Правительстве Российской Федерации
- Выпуск: Том 19, № 3 (2023)
- Страницы: 141-152
- Раздел: Математические, статистические и инструментальные методы в экономике
- URL: https://journals.eco-vector.com/2541-8025/article/view/568338
- EDN: https://elibrary.ru/CALJPF
- ID: 568338
Цитировать
Полный текст
Открытый доступ
Доступ предоставлен
Доступ платный или только для подписчиков
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.
Ключевые слова
Полный текст
Об авторах
Полина Алексеевна Семёнова
Финансовый университет при Правительстве Российской Федерации
Автор, ответственный за переписку.
Email: 195229@edu.fa.ru
ORCID iD: 0009-0000-4835-5319
факультет информационных технологий и анализа больших данных
Россия, МоскваНаталья Владимировна Гринева
Финансовый университет при Правительстве Российской Федерации
Email: ngrineva@fa.ru
ORCID iD: 0000-0001-7647-5967
SPIN-код: 1140-9636
кандидат экономических наук, доцент, доцент Департамента анализа данных и машинного обучения
Россия, МоскваСветлана Сергеевна Михайлова
Финансовый университет при Правительстве Российской Федерации
Email: ssmihajlova@fa.ru
ORCID iD: 0000-0001-9183-8519
SPIN-код: 9697-3928
доктор экономических наук, профессор, профессор Департамента анализа данных и машинного обучения
Россия, МоскваСписок 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.
Дополнительные файлы
