Применение неконтролируемой кластеризации выборок для повышения качественных показателей многоуровневых моделей обработки данных
Рассматривается задача повышения качественных показателей моделей обработки данных за счет сегментации выборок. Предлагается многоуровневая архитектура, позволяющая определять текущие свойства данных в сегментах и назначать лучшие по достигаемым качественным показателям модели. Приведено формальное...
| Published in: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика № 66. С. 44-54 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Subjects: | |
| Online Access: | http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001139409 |
| Summary: | Рассматривается задача повышения качественных показателей моделей обработки данных за счет сегментации выборок. Предлагается многоуровневая архитектура, позволяющая определять текущие свойства данных в сегментах и назначать лучшие по достигаемым качественным показателям модели. Приведено формальное описание архитектуры. Предложенное решение направлено на снижение затрат на переобучение моделей в случае трансформации свойств данных. Проведены экспериментальные исследования на ряде датасетов, которые показывают повышение качественных показателей обработки. Модель может быть рассмотрена как совершенствование ансамблевых методов обработки. |
|---|---|
| Bibliography: | Библиогр.: 21 назв. |
| ISSN: | 1998-8605 |