Аналіз методів та алгоритмів машинного навчання для класифікації за умов обмеженого набору ознак

Abstract

У роботі розглянуто основні методи та алгоритми машинного навчання, придатні для задач класифікації в умовах обмеженого набору ознак. Проаналізовано особливості використання лінійних моделей, дерев рішень, ансамблевих підходів та методів зниження розмірності. Показано, що за наявності малої кількості інформативних змінних важливого значення набувають коректний відбір ознак, регуляризація та адаптація моделі до структури даних. Обґрунтовано доцільність поєднання алгоритмів попередньої обробки даних із класифікаційними методами для підвищення узагальнювальної здатності моделі.