ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ К ЭКОНОМИЧЕСКИМ ПРОЦЕССАМ

Авторы

  • Akhmadkhon Azibaev
    Преподаватель Международного Университета Туран

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

Azibaev, A. (2024). ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ К ЭКОНОМИЧЕСКИМ ПРОЦЕССАМ. Универсал международный научный журнал, 1(7), 89–94. извлечено от https://universaljurnal.uz/index.php/jurnal/article/view/878

Похожие статьи

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.