Дослідження методів зменшення розмірності даних в галузі інтелектуального аналізу

Скорочена інформація про документ
dc.contributor.advisorОрєхов, Олександр Арсенійович
dc.contributor.authorХомініч, Дмитро Сергійович
dc.date.accessioned2022-01-05T08:11:32Z
dc.date.available2022-01-05T08:11:32Z
dc.date.issued2021-12
dc.description.abstractenResearch of methods and algorithms for reducing the dimensionality in the data, and construction of the existing model of classification using machine learning techniques. The point is to build a model using data dimension reduction techniques to avoid some data issues and to increase the accuracy of classifier predictions. The method of research was the development of robots on the methods of machine learning, devoted to theoretical and practical aspects of their application. The paper uses algorithm theory, mathematical analysis, probability theory, and programming, as well as mathematical statistics and data analysis. The object of research is the use of certain terminology in publications and textbooks in various fields and legal documents. Different approaches were identified, the best directions were identified, and all recommendations were made. The subject of research is machine learning methods, algorithms and mathematical methods.uk
dc.description.abstractukДослідження методів та алгоритмів зниження розмірності в даних, та побудова наявної моделі класифікації з використанням технік машинного навчання. Суть в тому, щоб побудувати модель з використанням технік зменшення розмірності даних, щоб уникнути деяких проблем пов’язаних з переоснащеними даними, та щоб збільшити точність передбачень класифікатора. Методом дослідження було опрацювання робот по методам машинного навчання, присвячені теоретичним і практичним аспектам їх застосування, а також документація до методів обробки даних. У роботі використана теорія алгоритмів, математичний аналіз, теорія ймовірності, та програмування, а також математична статистика та аналіз даних. Об’єктом дослідження є використання визначеної термінології у публікаціях, та навчальних посібниках різних напрямів та нормативно-правових документах. Були пророблено різні підходи визначено кращі напрями, та враховані усі рекомендації. Предметом дослідження є методи машинного навчання, алгоритми та математичні методи.uk
dc.format.page79 с.uk
dc.identifier.citationХомініч, Д. С. Дослідження методів зменшення розмірності даних в галузі інтелектуального аналізу : магістерська дис. : 113 Прикладна математика / Хомініч Дмитро Сергійович. – Київ, 2021. – 79 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45728
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectвідстаньuk
dc.subjectкласифікаторuk
dc.subjectкритерійuk
dc.subjectякістьuk
dc.subjectкомпонентиuk
dc.subjectмодельuk
dc.subjectзниження розмірностіuk
dc.subjectекспериментuk
dc.subjectmachine learninguk
dc.subjectclassifieruk
dc.subjectdistanceuk
dc.subjectqualityuk
dc.subjectcriterionuk
dc.subjectmodeluk
dc.subjectexperimentuk
dc.subjectcomponentsuk
dc.subjectdimensionality reductionuk
dc.subject.udc004.85uk
dc.titleДослідження методів зменшення розмірності даних в галузі інтелектуального аналізуuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Khominich_magistr.pdf
Розмір:
3.16 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММАД)
Магістерські роботи