Картцев, С. Б. Алгоритм классификации, основанный на принципах случайного леса, для решения задачи прогнозирования [Текст] = Classification algorithm based on random forest principes for a forecasting problem / С. Б. Картиев, В. М. Курейчик // Программные продукты и системы. - 2016. - № 2. - С. 11-15 : ил.: 2 табл. - Библиогр.: с. 15 (17 назв.) . - ISSN 0236-235X
Рубрики: Радиоэлектроника Теория сложных систем Кл.слова (ненормированные): алгоритмы -- прогнозирование -- временные автоматы -- случайные леса -- темпоральная логика Аннотация: В условиях современного общества актуальна задача получения правильных прогнозов о поведении сложных систем в будущем на основании их прошлого состояния. Для решения данной задачи обычно применяют методы машинного обучения, которые анализируют имеющиеся данные об истории поведения сложных технических систем и принимают во внимание примеры предыдущих прогнозов как для первоначального формирования схем обучения, так и для улучшения их функциональных характеристик. Одной из фундаментальных проблем задачи машинного обучения является проблема классификации, имеющая сходство с задачей прогнозирования. При решении задач как классификации, так и прогнозирования используется двухэтапный процесс: создание модели на основе обучающей выборки и реализация модели для предсказания значений зависимой переменной. Доп.точки доступа: Курейчик, В. М. Нет сведений об экземплярах (Источник в БД не найден) |
Анализ прогностической способности логистических моделей в рамках фондового рынка [Текст] / Д. П. Маршалов, О. В. Заборовская, Е. Е. Шарафанова, Е. А. Конников // Известия Санкт-Петербургского государственного экономического университета. - 2023. - № 6, Ч. 1. - С. 40-45. - Библиогр.: с. 45 (9 назв.)
Рубрики: Экономика Финансы в целом Кл.слова (ненормированные): акции -- дерево решений -- доходность -- интеллектуальный анализ текстов -- классификационные модели -- логистическая регрессия -- прогнозирование -- регуляризация -- случайные леса -- фондовые рынки Аннотация: В данном исследовании используются три логистических модели для прогнозирования доходности акций на следующий день на основе текстовой информации, количеств запросов в соцсетях, исторических данных о доходности и ключевой ставки с задержкой до 2 дней. В рамках статьи представлены результаты каждой модели, подчеркивается влияние гиперпараметров, в частности регуляризации, на точность прогнозирования, а также сделаны выводы относительно взаимосвязи между текущей доходностью и историческими данными. Результаты согласуются с предыдущими исследованиями, описанными в научной литературе, подтверждая возможность прогнозирования прошлыми данными текущей доходности. Интеграция прогностического моделирования и обзора литературы повышает глубину и достоверность сделанных выводов, предоставляя инвесторам и финансовым аналитикам возможность принимать обоснованные решения в сложных условиях торговли на фондовом рынке. Доп.точки доступа: Маршалов, Давид Павлович; Заборовская, Ольга Витальевна; Шарафанова, Елена Евгеньевна; Конников, Евгений Александрович Нет сведений об экземплярах (Источник в БД не найден) |