Fuzzy logika v predspracovaní údajov a jej vplyv na výkonnosť modelu strojového učenia XGBOOST

Fuzzy logika poskytuje efektívny prístup k predspracovaniu číselných údajov v strojovom učení, najmä v regresii. Tento článok skúma vplyv fuzzyfikácie premenných, ako vek a BMI na presnosť predikcie nákladov na zdravotnú starostlivosť. Použitím fuzzy transformácie sme testovali výkon XGBoost regreso...

Descripción completa

Guardado en:
Autor principal: Bednařík, Andrej, 1998-
Formato: Capítulo de libro
Lenguaje:eslovaco
Materias:
dáta
regresia
učenie strojové
prognózovanie
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

MARC

LEADER 00000naa a2200000 4500
001 0311396
005 20250703100116.6
041 0 |a slo 
044 |a SK 
245 1 0 |a Fuzzy logika v predspracovaní údajov a jej vplyv na výkonnosť modelu strojového učenia XGBOOST  |c Andrej Bednařík 
520 |a Fuzzy logika poskytuje efektívny prístup k predspracovaniu číselných údajov v strojovom učení, najmä v regresii. Tento článok skúma vplyv fuzzyfikácie premenných, ako vek a BMI na presnosť predikcie nákladov na zdravotnú starostlivosť. Použitím fuzzy transformácie sme testovali výkon XGBoost regresora pri rôznych variantoch predspracovania datasetu. Výsledky naznačujú, že fuzzy logika môže v niektorých prípadoch zlepšiť presnosť predikcie (nižšie RMSE), najmä pri premenných s nejasnými hranicami. Diskutujeme tiež o situáciách, kde jej aplikácia neprináša zlepšenie, a identifikujeme scenáre, v ktorých je najvhodnejšia. 
610 2 0 |a dáta 
610 2 0 |a regresia 
610 2 0 |a učenie strojové 
610 2 0 |a prognózovanie 
100 1 |a Bednařík, Andrej, 1998- 

Ejemplares similares