Анализ методов машинного обучения в задачах статистической радиофизики

Abstract

В данной работе необходимо было рассмотреть основные алгоритмы машинного обучения для регрессионного анализа и классификации данных, реализовать изученные алгоритмы на языке R, провести анализ полученных результатов для определения лучшего метода. Для классификации данных были рассмотрены и реализованы методы: k-ближайших соседей, дерево решений, а также нейронная сеть. Для регрессионного анализа данных использовались методы линейной и множественной регрессии, нейронная сеть. Для обучения моделей использовался набор данных «Ирисы Фишера». В результате анализа методов для решения поставленных задач было выявлено, что использование нейронной сети даёт большую точность на классификации данных и меньшую величину квадратичной ошибки при регрессионном анализе данных. Разработанный на языке R программный код включён в практическую часть лабораторных работ по статистической радиофизике. Полученные модели возможно использовать для классификации или восстановления радиоволн в реальных задачах статистической радиофизики.