АЛГОРИТМЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ПРИКЛАДНЫХ ЗАДАЧ
Ключевые слова:
машинное обучение, случайный лес, нейронные сети, прогнозированиеАннотация
В статье рассматривается прогнозирования моделей для прикладных на основе машинного обучения. Для сравнительного анализа созданы модели машинного обучения и нейронной сети для прогнозирования различных моделей. В качестве базы данных использовано открытая .csv файл. Модель будет основываться на методах машинного обучения. Определена точность и ошибки модели, который допускает при прогнозировании. Определение матрицы правильное и неправильное прогнозирование меток.
Библиографические ссылки
1. Сабитов, Б.Р. Идентификация болезней томатов на основе многоклассовой классификации. [Электронный ресурс] / Б.Р.Сабитов, Н.С.Сейтказиева, А.Дж. Картанова // Проблемы автоматики и управления 2022. - № 3(45). – С.11.-Режим доступа: https://www.elibrary.ru/item.asp?id=50020292 . – Загл.с экрана.
2. Сабитов, Б.Р. Моделирование и прогнозирование задач сельского хозяйства на основе машинного обучения [Электронный ресурс] / Б.Р.Сабитов // Тр.Межд. научно-практ.конф. Научно-технологическое развитие АПК для целей устойчивого развития. – Режим доступа: https://www.conferences.org/articles/e3sconf/abs/2023/17/contents/contents.html. – Загл.с экрана.
3. Sabitov, B.R. Deep learning Methods for Recognition of Orchard Crops [Электронный ресурс] / B.R. Sabitov, S.Biibsunova, A.Kashkaroeva et al. // IJCSNS. – 2022. – Vol.22. – No.10. – Режим доступа: http://paper.ijcsns.org/07_book/202210/20221033.pdf . – Загл.с экрана.
4. Pu, Y. Variational autoencoder for deep learning of images, labels and captions [EB/OL] [Text] / Y.Pu, Z.Gan, R.Henano et al. // 2016. – 09.28. – arxiv. – No.1609.08976.
