Видання НТУ "ХПІ"
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/62886
Переглянути
2 результатів
Результати пошуку
Документ Моделі машинного навчання для передбачення кількості захворілих на COVID-19 в Україні та Індії(Національний технічний університет "Харківський політехнічний інститут", 2022) Хорошун, Ганна Миколаївна; Рязанцев, Олександр Іванович; Коверга, Марк Олександрович; Покришка, Сергiй АнатолiйовичПобудовані моделі передбачення кількості захворілих на COVID-19 з використанням методів машинного навчання. Побудовані моделі навчались на даних зібраних з різних офіційних джерел, включаючи Всесвітню Організацію Здоров'я, з початку епідемії до теперішнього часу. Для навчання моделей передбачення кількості захворілих на COVID-19 обрано Україну та Індію. Методами, що надали високу точність прогнозу для існуючих даних, виявились алгоритми лінійної регресії для України та градієнтного бустингу для Індії. Аналіз даних проводився за допомогою мови програмування Python, з використанням бібліотеки Sklearn, яка побудована на основі SciPy (Scientific Python). Крім того, використовувалась бібліотека алгоритму градієнтного бустингу XGboost. Для розробки моделі обрано багатофакторне прогнозування часових рядів з використанням у якості предикаторів запізнення часового ряду. Визначено характеристики, що враховуються при навчанні моделі, а саме: дата початку події, день тижня, номер тижня, місяць та інші. Проведено аналіз щодо визначення впливу цих параметрів на якість навчання моделі. Оцінені похибки моделей та точність прогнозу з найкращими показниками 0.83 для Україн и та 0.75 для Індії. Побудовані моделі дозволяють передбачати епідеміологічну ситуацію в майбутньому, координувати дії у різних галузях охорони здоров'я та проводити обґрунтовані превентивні заходи на державному рівні.Документ Кластеризація та аномальність даних індексу волатильності фондового ринку США(Національний технічний університет "Харківський політехнічний інститут", 2023) Хорошун, Ганна Миколаївна; Рязанцев, Олександр Іванович; Черпіцький, Максим ВікторовичІнвестування грошей це важливий спосіб покращення фінансового стану, як окремої людини, так і суспільства в цілому. Актуальною є проблема розуміння фінансових даних та прийняття рішень щодо інвестицій грошей в певний проект на даний момент часу. Об’єктом дослідження є процес встановлення залежність вартості активу від часу. Предметом дослідження є математичні моделі обробки даних, проведення кластеризації даних та пошуку аномалій. Метою даної роботи є розробка методу для ефективного інвестуванню грошей з використанням методів обробки та аналізу даних до значень індексу волатильності фондового ринку США, визначення кластерів по діям з активами, а також перевірка наявності аномальних даних. Результати досліджень. Обрані офіційні дані значень індексу волатильності та підготовлені для подальшого аналізу шляхом видалення неповних наборів та подальшої нормалізації. Проведена кластеризація часових рядів та розділено масив на п’ять однорідних груп. Кластери визначають діапазони індексу волатильності, що відображають різні настрої інвесторів на ринку та спонукають до відповідних дій з активами: продавати, очікувати, купляти, виводити гроші з проектів, що розвиваються і вкладити в стабільні, перечекати. Програмно проведено сегментацію даних, застосування віконної функції, визначено центроїди для сегментів та проведено реконструкцію сигналу. Визначено точки аномалій даних. Проведено порівняльний аналіз за результатами побудованих початкових даних, реконструйованих та похибки реконструювання.