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...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Format: | Chapitre de livre |
| Langue: | slovaque |
| Sujets: | |
| Tags: |
Pas de tags, Soyez le premier à ajouter un tag!
|
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- | |