Модель прогнозування соціально-економічних показників розвитку держави
Вантажиться...
Дата
ORCID
DOI
Науковий ступінь
Рівень дисертації
Шифр та назва спеціальності
Рада захисту
Установа захисту
Науковий керівник/консультант
Члени комітету
Назва журналу
Номер ISSN
Назва тому
Видавець
Харків : Харківський національний університет імені В. Н. Каразіна
Анотація
У роботі узагальнено класичні економетричні та ML-підходи. Побудовано конвеєр підготовки WDI-даних (очищення, лаги, нормування). Реалізовано навчання XGBoost (GridSearchCV + TimeSeriesSplit) і Bidirectional LSTM (EarlyStopping) в PyCharm. Оцінено моделі на єдиній вибірці за RMSE та MAE. Показано, що XGBoost знижує похибку у 1,5-8 разів.
In this work, classical econometric and ML approaches are reviewed. A data- preprocessing pipeline for the World Development Indicators dataset (cleaning, lag generation, normalization) is constructed. Training of XGBoost (with GridSearchCV and TimeSeriesSplit) and Bidirectional LSTM (with EarlyStopping) is implemented in PyCharm. Both models are evaluated on a single dataset using RMSE and MAE. It is shown that XGBoost reduces forecasting error by a factor of 1.58.
In this work, classical econometric and ML approaches are reviewed. A data- preprocessing pipeline for the World Development Indicators dataset (cleaning, lag generation, normalization) is constructed. Training of XGBoost (with GridSearchCV and TimeSeriesSplit) and Bidirectional LSTM (with EarlyStopping) is implemented in PyCharm. Both models are evaluated on a single dataset using RMSE and MAE. It is shown that XGBoost reduces forecasting error by a factor of 1.58.
Опис
Керівник: Стрілець Вікторія Євгенівна, кандидат технічних наук, доцент кафедри комп’ютерних систем та робототехніки
Ключові слова
TECHNOLOGY::Information technology::Computer science, прогнозування, соціально-економічні показники, ВВП, безробіття, інфляція, населення, машинне навчання, часові ряди, XGBOOST, LSTM, RMSE, MAE, forecasting, socio-economic indicators, GDP, unemployment, inflation, population, machine learning, time series
Бібліографічний опис
Пономаренко, Віталій Володимирович. Модель прогнозування соціально-економічних показників розвитку держави : пояснювальна записка до кваліфікаційної роботи бакалавра : спеціальність 151 – Автоматизація та комп'ютерно-інтегровані технології : галузь знань 15 – Автоматизація та приладобудування : освітня програма «Автоматизація та комп’ютерно-інтегровані технології» / В. В. Пономаренко ; кер. В. Є. Стрілець. – Харків : Харківський національний університет імені В. Н. Каразіна, 2025. – 72 с.