Аналіз даних з використанням байєсівських моделей

Скорочена інформація про документ
dc.contributor.authorБідюк, П. І.
dc.contributor.authorДемківський, Є. О.
dc.contributor.authorБідюк, О. П.
dc.date.accessioned2020-09-14T12:36:12Z
dc.date.available2020-09-14T12:36:12Z
dc.date.issued2012
dc.description.abstractenIn this paper, we propose to review some Bayesian data analysis models, namely the models with one and several parameters. Using statistical data and expert estimates, we develop the methodology for probabilistic models construction in the form of Bayesian networks. The methodology enables us to construct high adequacy probabilistic models for solving classification and forecasting problems. Furthermore, we propose an integrated dynamic network model by combining probabilistic and regression approaches. This model stands out against the known ones for its ability to estimate multistep forecasts. The forecast estimates computed by applying the dynamic model are compared with the results obtained by employing logistic and multiple regressions. The best results were obtained in this case with the combined dynamic net model.uk
dc.description.abstractruВыполнен обзор некоторых байесовских моделей анализа данных, в частности моделей с одним и несколькими параметрами. Создана методика построения вероятностных моделей в виде байесовских сетей на основе статистических данных и экспертных оценок. Методика обеспечивает возможность построения вероятностных моделей высокой адекватности для решения задач классификации и прогнозирования. Предложена интегрированная динамическая сетевая модель, которая основывается на совместном использовании вероятностного и регрессионного подходов и обеспечивает вычисление оценок многошаговых прогнозов. Выполнено сравнение качества оценок прогнозов, полученных с помощью динамической модели, и результатов, полученных с помощью логистической регрессии, комбинированной с множественной регрессией. Лучшие результаты получены в данном случае с помощью комби-нированной сетевой модели.uk
dc.description.abstractukВиконано огляд деяких байєсівських моделей аналізу даних, зокрема моделей з одним і кількома параметрами. Запропоновано методику побудови графічних імовірнісних моделей у формі байєсівських мереж на основі статистичних даних і експертних оцінок. Методика забезпечує побудову імовірнісних моделей високого ступеня адекватності для розв’язання задач класифікації та прогнозування. Запропоновано інтегровану динамічну мережеву модель, яка ґрунтується на об’єднанні імовірнісної мережі Байєса з регресійною моделлю і відрізняється від відомих можливістю оцінювання багатокрокових прогнозів. Оцінки прогнозів, отримані за допомогою динамічної мережевої моделі, порівняно з результатами, отриманими за допомогою логістичної регресії у комбінації з множинною регресією. Кращі результати досягнуто у даному випадку за допомогою комбінованої мережевої моделі.uk
dc.format.pagerangeС. 40–54uk
dc.identifier.citationБідюк, П. І. Аналіз даних з використанням байєсівських моделей / П. І. Бідюк, Є. О. Демківський, О. П. Бідюк // Наукові вісті НТУУ «КПІ» : міжнародний науково-технічний журнал. – 2012. – № 1(81). – С. 40–54. – Бібліогр.: 23 назви.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/36181
dc.language.isoukuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.sourceНаукові вісті НТУУ «КПІ»: міжнародний науково-технічний журнал, 2010, № 1(81)uk
dc.subject.udc519-866uk
dc.titleАналіз даних з використанням байєсівських моделейuk
dc.title.alternativeData Analysis with Bayesian Modelsuk
dc.title.alternativeАнализ данных с использованием байесовских моделейuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
2012-1-6.pdf
Розмір:
372.06 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті НТУУ «КПІ»: міжнародний науково-технічний журнал, № 1(81)