Прогнозування ІМТ за допомогою методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorКузнєцова, Наталія Володимирівна
dc.contributor.authorКичигіна, Анастасія Юріївна
dc.date.accessioned2020-11-16T13:22:11Z
dc.date.available2020-11-16T13:22:11Z
dc.date.issued2020-06
dc.description.abstractenThesis: 100 p., 17 tabl., 16 fig., 2 add. and 24 references. The object of the study is the human body mass index. The subject of research is machine learning methods - regression models, ensemble model random forest and neural network. In this paper, a study of the dependence of the human body mass index and the presence of excess body weight on eating and living habits. To build the study, the methods of machine learning and data analysis were used, work was done to identify opportunities to improve the performance of standard models and identified the best model for the implementation of predicting and classification based on the data. The direction of work is in the reduced dimensions of the feature space, selection of the best observations with valid data for better performance of models, as well as in combining different teaching methods and obtaining more effective ensemble models.uk
dc.description.abstractukДипломна робота містить : 100 с., 17 табл., 16 рис., 2 дод. та 24 джерела. Об’єктом дослідження є індекс маси тіла людини. Предметом дослідження є методи машинного навчання – регресійні моделі, ансамблева модель випадковий ліс та нейронна мережа. В даній роботі проведено дослідження залежності індексу маси тіла людини та наявності надмірної маси тіла від харчових та побутових звичок. Для побудови дослідження були використані методи машинного навчання та аналізу даних, проведено роботу для визначення можливостей по покращенню роботи стандартних моделей та визначено кращу модель для реалізації прогнозування та класифікації на основі наведених даних. Напрямок роботи є в понижені розмірності простору ознак, відбору кращих спостережень з валідними даним для кращої роботи моделей, а також у комбінуванні різних методів навчання та отриманні більш ефективних ансамблевих моделей.uk
dc.format.page100 с.uk
dc.identifier.citationКичигіна, А. Ю. Прогнозування ІМТ за допомогою методів машинного навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки та інформаційні технології / Кичигіна Анастасія Юріївна. – Київ, 2020. – 100 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/37413
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectрегресіяuk
dc.subjectдерева рішеньuk
dc.subjectансамблева модельuk
dc.subjectпрогнозуванняuk
dc.subjectкласифікаціяuk
dc.subjectнейронна мережаuk
dc.subjectвипадковий лісuk
dc.subjectіндекс маси тілаuk
dc.subjectregressionuk
dc.subjectdecision treesuk
dc.subjectensemble modeluk
dc.subjectpredictionuk
dc.subjectclassificationuk
dc.subjectneural networkuk
dc.subjectrandom forestuk
dc.subjectbody mass indeхuk
dc.titleПрогнозування ІМТ за допомогою методів машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Kychyhina_bakalavr.docx
Розмір:
1.53 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи