Моделі багатофакторного прогнозування

Abstract

Дане дослідження є розвитком напрямку прикладного аналізу даних. Він відіграє важливу роль у виявленні значущої інформації в наборах даних, яка допомагає приймати обґрунтовані рішення в різних сферах людської діяльності. Наведено інформаційні технології багатофакторного прогнозування, які базуються на моделях MLR та DR і є частиною класичного машинного навчання. Розроблена інформаційно-аналітична система на мові програмування Python та бібліотеки scikit-learn, що реалізує описаний підхід. В якості апробаційної моделі обрана актуальна задача прогнозування ВВП України за показниками: індекс інфляції, чисельність населення, офіційний курс долара, рівень безробіття у відсотках та міграційний приріст. Навчальна вибірка містила 16 спостережень. В ході експериментального дослідження кращою виявилось модель дерева регресії із показником коефіцієнту детермінації 99% та середньої абсолютної відсоткової похибки 6%. Дані індекси якості моделі вказують на її високу точність. Перспективні дослідження полягають у розвитку підходу прикладного аналізу даних для розв'язання різних видів прикладних задач.