Дослідження очікуваної тривалості життя населення за допомогою методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorШубенкова, Ірина Анатоліївна
dc.contributor.authorНизовець, Микола Віталійович
dc.date.accessioned2024-09-19T08:56:10Z
dc.date.available2024-09-19T08:56:10Z
dc.date.issued2024
dc.description.abstractДипломна робота містить : 120 с., 20 табл., 29 рис., 2 дод., 28 джерел. Об’єктом дослідження є очікувана тривалість життя населення. Предметом дослідження є методи машинного навчання – регресійні моделі, такі як лінійна регресія, метод опорних векторів для регресії, метод випадкового лісу, principal component regression, elastic net. Метою дипломної роботи є розробка моделей машинного навчання, які зможуть опановувати дані щодо очікуваної тривалості життя населення, знайти фактори, які впливають на цей показник найбільше, а також прогнозувати показник. В даній роботі проведено дослідження показника очікуваної тривалості життя та основних факторів, що впливають на нього. 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 на основі наведених даних. Програмна реалізація була розроблена на мові програмування Python.
dc.description.abstractotherThesis contains: 120 p., 20 tables, 29 fig., 2 append., 28 references. The research topic: «Research of population life expectancy using machine learning methods» The object of the study is the life expectancy of the population. The subject of the research is the set of machine learning methods - regression models, such as linear regression, support vector machine for regression, random forest method, principal component regression, elastic net. The purpose of the thesis is to develop machine learning models that can process data on life expectancy, find the factors that affect this indicator the most, and predict the indicator. In this research, we study life expectancy and the main factors that affect it. Machine learning and data analysis methods were used to build the study, work was done to identify opportunities to improve the performance of standard models, and the best model for implementing forecasting based on the data was determined. The program was written in Python programming language.
dc.format.extent120 с.
dc.identifier.citationНизовець, М. В. Дослідження очікуваної тривалості життя населення за допомогою методів машинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Низовець Микола Віталійович. – Київ, 2024. – 120 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69050
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectочікувана тривалість життя
dc.subjectрегресійні моделі
dc.subjectлінійна регресія
dc.subjectмашинне навчання
dc.subjectlife expectancy
dc.subjectregression models
dc.subjectlinear regression
dc.subjectmachine learning
dc.subjectpython
dc.subjectelastic net
dc.subjectprincipal component regression
dc.subjectrandom forest
dc.subjectsupport vector machines
dc.titleДослідження очікуваної тривалості життя населення за допомогою методів машинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nyzovets_bakalavr.pdf
Розмір:
3.83 MB
Формат:
Adobe Portable Document Format
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