Методика сравнения методов машинного обучения в зависимости от различных параметров задачи: магистерская диссертация / Антонина Евгеньевна Вертинская; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Соболевская Е. П.

Abstract

Магистерская диссертация, 41 страница, 18 рисунков, 10 таблиц, 16 источников. МАШИННОЕ ОБУЧЕНИЕ, АЛГОРИТМЫ КЛАССИФИКАЦИИ, БЕНЧМАРК-ТЕСТ, PYSPARK.ML, SKLEARN, РЕГРЕССИОННЫЕ МОДЕЛИ. Объект исследования–алгоритмыклассификациивмашинномобучении, а также проблема выбора подходящего алгоритма взависимостиотпараметров задачи. Цель работы – сравнения методов машинного обучения по таким критериям, как качество предсказаний, загрузка процессора, использование памяти и диска, а также разработка методики выбора подходящего алгоритма согласно требованиям задачи. Методы исследования ​ – эксперимент, тестирование, анализ, сравнение. Результаты – методика сравнения и выбора подходящего алгоритма машинного обучения в зависимости от характеристик и требований задачи. Результатом применения методики является рекомендатор алгоритмов классификации библиотек Pyspark.ML и sklearn на базе регрессионных моделей, которые предсказывают метрики качества и производительности. Область применения – сферы, где использование методов машинного обучения может быть полезно, однако такой подход недостаточно развит либо стоит больших затрат.