Оптимізація результатів моделювання шляхом розбиття вибірок за критерієм подібності відстані Махаланобіса

Скорочена інформація про документ
dc.contributor.authorГупало, М. С.
dc.contributor.authorПавлов, В. А.
dc.contributor.authorНастенко, Є. А.
dc.contributor.authorКорнієнко, Г. А.
dc.date.accessioned2023-11-23T18:47:45Z
dc.date.available2023-11-23T18:47:45Z
dc.date.issued2023
dc.description.abstractМетоди створення класифікаційних, апроксимаційних та прогностичних моделей включають процедури розділення робочого набору даних на технологічні частини, які використовуються для розрахунку параметрів, верифікації структури та завершальної оцінки якості моделей. Саме універсальність застосування даних процедур визначає виняткову актуальність вирішення завдання забезпечення ефективності розділення робочого набору даних на технологічні частини з точки зору якості результатів моделювання. Існуючі підходи до розбиття даних не забезпечують стійкої ефективності при побудові моделей (метод простого випадкового відбору, метод проб і помилок, тощо), або є ефективними, однак обмеженими використанням певних типів набору даних (зручний і систематичний відбори, тощо). В роботі для вирішення проблеми пропонується застосувати процедури розподілу даних на основі критерію подібності відстані Махаланобіса, що забезпечує збереження властивості відхилень об’єктів основної робочої вибірки для всіх технологічних підвибірок в умовах нерівних дисперсій змінних та корельованості простору ознак. Оскільки універсальним і найчастіше застосованим методом розбиття даних в даний час є метод випадкового відбору, у роботі саме з ним порівнюється ефективність пропонованого підходу. Аналіз підходів здійснений на даних для прогнозування рівня смертності від раку в округах США, що взяті з ресурсу data.world, та класифікації серцевої недостатності - з ресурсу Kaggle. Порівняння проведено для методів k-найближчих сусідів, логістичної регресії, методу групового урахування аргументів в завданні класифікації та методів k-найближчих сусідів, екстремального градієнтного підсилення (XGB), підвищення градієнта на основі алгоритму дерева рішень (LGBM) в задачі апроксимації. Результати аналізу показали перевагу пропонованого у роботі підходу розбиття даних відповідно до критерію подібності відстані Махаланобіса.uk
dc.description.abstractotherThe methods of creating classification, approximation, and predictive models include procedures for dividing the initial data set into subsamples, which are used for parameter calculation, structure verification, and the final assessment of model quality. These procedures determine the exceptional urgency of solving the task of ensuring the efficiency of dividing the data set into subsamples that give a high-quality modeling result. Some of the existing data splitting approaches do not provide consistent performance in model building (simple random sampling, trial and error, etc.) or are effective but limited to specific types of data (convenience and systematic sampling, etc.). In order to solve the problem, it is proposed to implement a data distribution procedure based on the Mahalanobis distance similarity criterion, which ensures the preservation of the property of main working sample objects by minimizing deviations between the main working sample and all technological subsamples considering conditions of unequal variables, variances, and feature space correlation. Since the universal and most commonly used data partitioning method at the moment is the random selection method, the effectiveness of the proposed approach is compared with it. The analysis and comparison of the methods were carried out on data sets for predicting cancer mortality rates in US counties taken from the data world resource and a heart failure classification data set taken from the Kaggle resource. Comparisons are made using k-nearest neighbors, logistic regression methods, and group methods of data handling in the classification task and k-nearest neighbor, extreme gradient boosting (XGB), and gradient boosting based on the decision tree algorithm (LGBM) methods in the approximation task. The results showed the advantage of the data division approach according to the Mahalanobis distance similarity criterion.uk
dc.format.pagerangePp. 21-30uk
dc.identifier.citationОптимізація результатів моделювання шляхом розбиття вибірок за критерієм подібності відстані Махаланобіса / Гупало М. С., Павлов В. А., Настенко Є. А., Корнієнко Г. А. // Біомедична інженерія і технологія. – 2023. – № 11. – С. 21-30. – Бібліогр.: 19 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2617-8974.2023.11.279579
dc.identifier.issn2707-8434
dc.identifier.orcid0009-0005-4203-0122uk
dc.identifier.orcid0000-0002-3293-5308uk
dc.identifier.orcid0000-0002-1076-9337uk
dc.identifier.orcid0000-0003-2104-5745uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/62443
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofБіомедична інженерія і технологія, № 11uk
dc.subjectрозбиття данихuk
dc.subjectмашинне навчанняuk
dc.subjectвідстань Махаланобісаuk
dc.subjectнавчання з учителемuk
dc.subjectмодель класифікаціїuk
dc.subjectапроксимаційна модельuk
dc.subjectdata partitioninguk
dc.subjectmachine learninguk
dc.subjectMahalanobis distanceuk
dc.subjecttutored learninguk
dc.subjectclassification modeluk
dc.subjectapproximation modeluk
dc.subject.udc004.81 + 616-006uk
dc.titleОптимізація результатів моделювання шляхом розбиття вибірок за критерієм подібності відстані Махаланобісаuk
dc.title.alternativeModeling results optimization based on data splitting by Mahalanobis distance similarity criterionuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
279579-664959-1-10-20230927.pdf
Розмір:
418.33 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 11