Please use this identifier to cite or link to this item:
https://dspace.uzhnu.edu.ua/jspui/handle/lib/46149
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Кондрук, Наталія Емерихівна | - |
dc.date.accessioned | 2022-12-04T15:06:09Z | - |
dc.date.available | 2022-12-04T15:06:09Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | Кондрук, Н. Е. Моделi багатофакторного прогнозування / Н. Е. Кондрук // Науковий вісник Ужгородського університету : серія Математика і Інформатика / редкол. М. М. Маляр. – Ужгород : Говерла, 2022. – Вип. 40, №1. – С. 168–174. – Рез. укр., англ. – Бібліогр.: с. 173 (13 назв). | uk |
dc.identifier.issn | 2616-7700 | - |
dc.identifier.issn | 2708-9568 | - |
dc.identifier.uri | https://dspace.uzhnu.edu.ua/jspui/handle/lib/46149 | - |
dc.description.abstract | Дане дослiдження є розвитком напрямку прикладного аналiзу даних. Вiн вiдi- грає важливу роль у виявленнi значущої iнформацiї в наборах даних, яка допома- гає приймати обґрунтованi рiшення в рiзних сферах людської дiяльностi. Наведено iнформацiйнi технологiї багатофакторного прогнозування, якi базуються на моделях MLR та DR i є частиною класичного машинного навчання. Розроблена iнформацiйно- аналiтична система на мовi програмування Python та бiблiотеки scikit-learn, що реа- лiзує описаний пiдхiд. В якостi апробацiйної моделi обрана актуальна задача прогно- зування ВВП України за показниками: iндекс iнфляцiї, чисельнiсть населення, офi- цiйний курс долара, рiвень безробiття у вiдсотках та мiграцiйний прирiст. Навчальна вибiрка мiстила 16 спостережень. В ходi експериментального дослiдження кращою виявилось модель дерева регресiї iз показником коефiцiєнту детермiнацiї 99% та се- редньої абсолютної вiдсоткової похибки 6%. Данi iндекси якостi моделi вказують на її високу точнiсть. Перспективнi дослiдження полягають у розвитку пiдходу прикла- дного аналiзу даних для розв’язання рiзних видiв прикладних задач. Ключовi слова: багатофакторне прогнозування, дерева регресiї, багатофакторний лiнiйний аналiз, прогнозування ВВП. | uk |
dc.description.abstract | Kondruk N. E. Models of multivariate forecasting. This study is a development of applied data analysis. Information technologies of multifactor forecasting based on MLR and DR models are presented. An information-analytical system in the Python programming language and the scikit-learn library has been developed, which implements the descriptions of the approach. As an approbation model, the current task of forecasting Ukraine’s GDP by indicators: inflation index, population, official dollar exchange rate, unemployment rate and migration growth was chosen. The training sample contained 16 observations. The regression tree model is adjusted with a coefficient of determination of 99% and an average absolute percentage error of 6%. These quality indices of the model show its high accuracy. These quality indices of the model indicate its high accuracy. Keywords: multivariate forecasting, regression trees, multivariate linear analysis, GDP forecasting. | uk |
dc.language.iso | uk | uk |
dc.publisher | Вид-во “Говерла” | uk |
dc.relation.ispartofseries | математика і інформатика; | - |
dc.subject | багатофакторне прогнозування | uk |
dc.subject | дерева регресiї | uk |
dc.subject | багатофакторний лiнiйний аналiз | uk |
dc.subject | прогнозування ВВП | uk |
dc.title | Моделi багатофакторного прогнозування | uk |
dc.title.alternative | Models of multivariate forecasting. | uk |
dc.type | Text | uk |
dc.pubType | Стаття | uk |
Appears in Collections: | Науковий вісник УжНУ Серія: Математика і інформатика. Том 40, №1 - 2022 |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
МОДЕЛI БАГАТОФАКТОРНОГО ПРОГНОЗУВАННЯ.pdf | 575.11 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.