У цій статті розглянуто гібридну модель квантової логістичної регресії для бінарної класифікації даних, яка поєднує класичні методи логістичної регресії з квантовими обчисленнями з метою підвищення ефективності та прискорення процесу навчання.
У представленій роботі досліджено проблему автоматизації виявлення агресивних висловлювань в українському сегменті інтернету, що є критично важливим через дефіцит спеціалізованих лінгвістичних ресурсів для цієї мови. Основний фокус уваги було приділено створенню та випробуванню інформаційної технології, здатної ефективно класифікувати токсичні повідомлення за допомогою моделей основних алгоритмів машинного навчання. Для проведення експериментів було сформовано набір даних із 4600 записів, у яких об’єднано дані з платформ YouTube та Google Play із відкритими датасетами.
У статті досліджується застосування методів машинного навчання для прогнозування додаткової цінності клієнтських транзакцій у контексті підвищення ефективності комерційних відділів. Актуальність дослідження зумовлена зростанням обсягів клієнтських даних та необхідністю переходу від інтуїтивних підходів до ухвалення рішень на основі формалізованих моделей.
У цій статті розглянуто практичні аспекти застосування логістичної регресії для бінарної класифікації даних. Логістична регресія визначає імовірність належності об’єкта до одного із двох класів. Ця імовірність обчислюється за допомогою сигмоїдної функції, аргументом якої є лінійна згортка вектора ознак об’єкта із ваговими коефіцієнтами, отриманими у ході мінімізації логарифмічної функції втрат. Прогнозовані мітки класу визначаються порівнянням обчисленої імовірності із заданим пороговим значенням.
В статті описано результати дослідження процесів комплексного аналізу військової інформації на основі машинного навчання та опрацювання природньої мови для допомоги командирам тактичних ланок. Система повинна дозволяти користувачам мати наступні можливості: об’єднання словника та інформаційного матеріалу, додавання термінів та абревіатур в словник, класифікація об’єктів для радіотехнічної розвідки, візуалізація повітряних об’єктів, класифікація повітряних об’єктів, користування інформаційними матеріалами, організування інформаційних матеріалів.
У цій статті розглянуто теоретичні аспекти логістичної регресії для бінарної класифікації даних, включаючи процеси підготовки даних, навчання, тестування та показники оцінювання моделей.
Сформульовано вимоги до вхідних наборів даних, описано способи кодування категоріальних даних, визначено та обґрунтовано способи масштабування вхідних ознак.
У цій статті виконано математичне обґрунтування логістичної регресії як ефективного і простого для реалізації методу машинного навчання.
Проведено огляд літературних джерел за напрямком статистичного опрацювання, аналізу та класифікації даних методом логістичної регресії, що підтвердило популярність застосування цього методу у різних предметних областях.
У роботі описано інформаційну систему моніторингу та аналізу відгуків у соціальних мережах для формування рекомендацій щодо придбання товарів. Ця система призначена для пришвидшення та полегшення клієнтам пошуку необхідної продукції на ресурсах електронної комерції. Вдалий вибір якісного товару за бажаними критеріями вкрай важливий, оскільки це зменшує час пошуку та економить гроші клієнтів. Аналізуючи коментарі у мережі, інформаційна система рекомендує продукт, на який переважають позитивні відгуки.
В даний час алгоритми машинного навчання (ML) все більше інтегруються у повсякденне життя. Можна навести безліч сфер сучасного життя, де вже застосовуються методи класифікації. Досліджуються методи, які враховують попередні передбачення та помилки, які обчислюються в результаті інтегрування даних задля отримання прогнозів, для отримання результату класифікації. Проведено загальний огляд методів класифікації. Здійснено експерименти над алгоритмами машинного навчання для мультимодальних даних.
У статті досліджено вплив грошових переказів на економічне зростання в Україні, оскільки їх обсяг зростає щороку та досягнув близько 11% ВВП України, що у свою чергу може впливати на національну економіку. Аналіз літературних джерел продемонстрував, що вплив переказів на економіку може бути як позитивним, так і негативним залежно від макроекономічних параметрів. Оскільки Україна є країною з перехідною економікою результати дослідження може значно доповнити дану наукову дискусію.