ОГЛЯД МЕТОДІВ ТА ЗАСОБІВ МАШИННОГО НАВЧАННЯ ДЛЯ АНАЛІЗУ ТА ПРОГНОЗУВАННЯ БАНКРУТСТВА КОМПАНІЙ

Ілля Юрійович Федоренко, Марія Валентинівна Луньова

Анотація


Наукова стаття присвячена важливості дослідження та використання великих даних (Big Data) у сучасних інформаційних технологіях. Вона охоплює основні характеристики великих даних, такі як обсяг, швидкість, різноманітність, достовірність, мінливість, візуалізація та цінність, та висвітлює труднощі зберігання і обробки цих даних. Стаття акцентує увагу на машинному навчанні, висвітлюючи різні методи машинного навчання, такі як лінійна регресія, логістична регресія, дерева рішень, випадковий ліс та k-найближчих сусідів, описуючи їхні особливості та застосування у класифікації та регресії. Наприкінці статті надається короткий огляд популярних аналітичних систем, таких як RapidMiner, KNIME, Weka та ін., які використовуються для обробки та аналізу великих наборів даних.


Повний текст:

PDF

Посилання


Desjardins, J. (2019). How Much Data is Generated Each Day?. Visual Capitalist. https://www.visualcapitalist.com/how-much-data-is-generated-each-day/

McAfee, A. & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard Business Review. https://hbr.org/2012/10/big-data-the-management-revolution

Raghupathi, W. & Raghupathi, V. (2014). Big data analytics in healthcare: promise and potential. Health Information Science and Systems, 2(1), 1-10. https://doi.org/10.1186/2047-2501-2-3

Erevelles, S., Fukawa, N. & Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897-904. https://doi.org/10.1016/j.jbusres.2015.07.001

Що таке Big Data? Джерело: https://hub.kyivstar.ua/articles/shho-take-big-data (01 листопада 2023)

Kwon, O., Lee, N. & Shin, B. (2014). Data quality management, data usage experience and acquisition intention of big data analytics. International Journal of Information Management, 34(3), 387-394. https://doi.org/10.1016/j.ijinfomgt.2014.02.002

Murphy, K.P. (2022). Probabilistic Machine Learning: An introduction. MIT Press.

Mohri, M., Rostamizadeh, A., & Talwalkar, A. (2018). Foundations of Machine Learning. MIT Press

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer.

Sutton, R.S., & Barto, A.G. (2018). Reinforcement Learning: An Introduction. 2nd ed. MIT Press.

Mierswa, I., Wurst, M., Klinkenberg, R., Scholz, M., & Euler, T. (2006). YALE: Rapid prototyping for complex data mining tasks. In Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 935-940).

Demšar, J., Curk, T., Erjavec, A., Črt Gorup, Hočevar, T., Milutinovič, M., Možina, M., Polajnar, M., Toplak, M., Starič, A., Štajdohar, M., Umek, L., Žagar, L., Žbontar, J., Žitnik, M., & Zupan, B. (2013). Orange: Data mining toolbox in python. Journal of Machine Learning Research, 14, 2349-2353.

Berthold, M. R., Cebron, N., Dill, F., Gabriel, T. R., Kötter, T., Meinl, T., ... & Wiswedel, B. (2008). KNIME: The Konstanz information miner. In Data analysis, machine learning and applications (pp. 319-326). Springer, Berlin, Heidelberg.

Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.

Alteryx (2021). The Alteryx Analytic Process: Data science meets business intelligence. https://www.alteryx.com/resources/research-reports/analytics-revolution-research-summary


Посилання

  • Поки немає зовнішніх посилань.