ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ К ЭКОНОМИЧЕСКИМ ПРОЦЕССАМ
Аннотация
В этом исследовании рассматривается интеграция алгоритмов машинного обучения (МО) в экономические процессы, подчеркивая их роль в прогнозировании тенденций, оценке рисков и стимулировании инноваций. Опираясь на последние достижения и методологические идеи, исследование демонстрирует эффективность различных методов машинного обучения, включая линейную регрессию, случайный лес, повышение градиента и модели глубокого обучения. Исследование демонстрирует точность прогнозов этих моделей в различных экономических областях благодаря тщательному сбору данных, предварительной обработке, выбору моделей и оценке.
Ключевые слова:
Алгоритмы машинного обучения, экономические процессы, прогнозирование, оценка рисков, интеллект, управляемый данными, модели глубокого обучения, интерпретация моделей.Библиографические ссылки
Teddy Lazebnik, T. F.-R. (2023). Benchmarking Biologically-Inspired Automatic Machine Learning for Economic Tasks. Sustainability.
Saeed Nosratabadi, Amirhosein Mosavi, Puhong Duan, Pedram Ghamisi ,Ferdinand Filip, Shahab S. Band , Uwe Reuter , Joao Gama , Amir H. Gandomi. (2020). Mathematics.
Sarker, I. H. (2021). Machine Learning: Algorithms, Real World Applications, and Research Directions. SN Computer Science, 160-180.
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Akhmadkhon Azibaev
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.