Кваліфікаційні випускні роботи здобувачів вищої освіти. Факультет математики і інформатики
Постійне посилання колекціїhttps://ekhnuir.karazin.ua/handle/123456789/14222
Переглянути
3 результатів
Результати пошуку
Документ Інтегрований аналіз та прогнозування цін автострахування на основі алгоритмів машинного навчання та статистичного аналізу(Харків : Харківський національний університет імені В.Н. Каразіна, 2023-12) Резуненко, Сергій Олександрович; Rezunenko, SerhiiУ даній роботі проведено аналіз та підготовку даних, тренування моделі, вивчення механізмів роботи та порівняння результатів різних алгоритмів машинного навчання та механізмів градієнтного бустингу задля прогнозування цін на автострахування та аналізу її залежностей. У роботі присутній огляд методів градієнтного бустингу в задачах прогнозування цін на автострахування. Проведено порівняння ефективності моделей градієнтного бустингу XGBoost, LightGBM та CatBoost. Для визначення впливу географічного положення на ціни автострахування виконується збір та обробка геоданих. Здійснена ідентифікація ключових факторів, що впливають на ціни страховки. Практичне застосування розроблених методів обумовлено тренуванням моделей і аналізом їх результативності. Аналіз та визначення важливості різних ознак у прогнозуванні цін на автострахування здійснюється за допомогою методів SHAP, Permutation Importance та інших.Документ Прогнозування ризику виникнення хвороб серця за допомогою методів штучного інтелекту та машинного навчання(Харків : Харківський національний університет імені В.Н. Каразіна, 2024-05) Продащук, Микола Вікторович; Prodashchuk, MykolaПроаналізовані підходи у сфері штучного інтелекту та машинного навчання, які застосовуються в області медицини. Розроблена та описана модель прогнозування ризику виникнення хвороб серця (зокрема, ішемічної хвороби серця) з використанням багатомірної логістичної регресії. Обрані інструменти реалізації моделі. Відібрані дані для реалізації та аналізу розробленої моделі, проведена обробка даних. Реалізована модель, а також проведений аналіз ефективності реалізованої моделі.Документ Задача прогнозування захворювань за допомогою методів машинного навчання(Харків : Харківський національний університет імені В.Н. Каразіна, 2024-06) Ковтуненко, Марія Олександрівна; Kovtunenko, MariiaУ роботі розглядаються методи машинного навчання, що застосовуються у сфері медицини. Детально розглядається задача передбачення ішемічної хвороби серця на даних про пацієнтів, зібраних з декількох лікарень світу. Для вирішення даної задачі класифікації використовується логістична регресія, метод k-найближчих сусідів, метод дерева рішень і метод випадкового лісу. Ефективність кожного з методів оцінюється за рядом метрик, за ними ж проводиться порівняння алгоритмів і визначення найкращого з них. Порівняння алгоритмів проілюстровано за допомогою діаграм, наведених у роботі.