| DC Field | Value | Language |
|---|
| dc.contributor.author | Корячко, В. П. | - |
| dc.contributor.author | Орешков, В. И. | - |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-05-26T07:59:20Z | - |
| dc.date.available | 2023-05-26T07:59:20Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Корячко, В. П. Снижение влияния утечки данных на точность моделей в машинном обучении / В. П. Корячко, В. И. Орешков // BIG DATA и анализ высокого уровня = BIG DATA and Advanced Analytics : сборник научных статей IX Международной научно-практической конференции, Минск, 17–18 мая 2023 г. : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2023. – С. 192-198. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/51605 | - |
| dc.description.abstract | Рассмотрена проблема утечки данных в задачах машинного обучения и выявлены связанные с
ней факторы, негативно влияющие на точность аналитических моделей на этапе их практического применения.
Предложены методы обнаружения утечек данных и их предотвращения. Проведены экспериментальные
исследования возможности устранения потерь точности моделей, основанных на машинном обучении, связанных с
утечкой данных, на примере нейронной сети в задаче предсказания урожайности зерновых по данным
агрохимического обследования почв. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | интеллектуальный анализ данных | ru_RU |
| dc.subject | машинное обучение | ru_RU |
| dc.subject | аналитические модели | ru_RU |
| dc.subject | обучающие данные | ru_RU |
| dc.subject | тестовые данные | ru_RU |
| dc.subject | утечка данных | ru_RU |
| dc.subject | нейронные сети | ru_RU |
| dc.title | Снижение влияния утечки данных на точность моделей в машинном обучении | ru_RU |
| dc.title.alternative | Reducing the impact of data leakage on model accuracy in machine learning | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | The problem of data leakage in machine learning problems is considered and the factors
associated with it that negatively affect the accuracy of analytical models at the stage of their practical application
are identified. Methods for detecting data leaks and preventing them are proposed. Experimental studies have been
carried out on the possibility of eliminating the loss of accuracy of models based on machine learning associated
with data leakage, using the example of a neural network in the problem of predicting grain yields based on
agrochemical soil survey data. | ru_RU |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2023)
|
