Результаты исследований: Вклад в журнал › Статья › Рецензирование
Результаты исследований: Вклад в журнал › Статья › Рецензирование
}
TY - JOUR
T1 - УПРАВЛЕНИЕ КАЧЕСТВОМ МОДЕЛЕЙ РЕГРЕССИИ НА ОСНОВЕ ЗАДАЧ МАТЕМАТИЧЕСКОГО ПРОГРАММИРОВАНИЯ
AU - Чернавин, Павел Федорович
AU - Чернавин, Николай Павлович
AU - Чернавин, Федор Павлович
PY - 2023
Y1 - 2023
N2 - Качество моделей регрессий необходимо оценивать многими показателями. Критериями качества могут быть минимум суммы квадратов или абсолютных величин отклонений прогнозируемых значений от истинных, адекватность величины и знака коэффициентов в уравнениях регрессии, робастность модели, минимум признаков необходимых для выполнения других показателей и многое другое. При построении уравнений регрессии стандартными программами достаточно сложно одновременно учесть несколько из перечисленных показателей. Цель статьи - продемонстрировать, что построение моделей регрессии на основе задач математического программирования позволяет учитывать в рамках одной модели большую совокупность требований к качеству решения одновременно. Научная новизна состоит в том, что такой подход позволяет создавать более сложные модели регрессии, учитывающие специфику конкретных практических задач. Например, в генеральной выборке могут одновременно присутствовать различные тенденции. В этом случае необходимо выяснить сколько уравнений регрессии требуется для описания имеющихся наблюдений с заданной точностью. Частным случаем такой постановки является кусочно-линейная регрессия. Другим примером может быть необходимость прогнозирования нескольких выходных параметров минимальным набором одинаковых входных параметров. В статьe приведены практические результаты применения авторского подхода для решения задач регрессии в агломерационном производстве и прогнозировании финансовых результатов для банковской сферы.
AB - Качество моделей регрессий необходимо оценивать многими показателями. Критериями качества могут быть минимум суммы квадратов или абсолютных величин отклонений прогнозируемых значений от истинных, адекватность величины и знака коэффициентов в уравнениях регрессии, робастность модели, минимум признаков необходимых для выполнения других показателей и многое другое. При построении уравнений регрессии стандартными программами достаточно сложно одновременно учесть несколько из перечисленных показателей. Цель статьи - продемонстрировать, что построение моделей регрессии на основе задач математического программирования позволяет учитывать в рамках одной модели большую совокупность требований к качеству решения одновременно. Научная новизна состоит в том, что такой подход позволяет создавать более сложные модели регрессии, учитывающие специфику конкретных практических задач. Например, в генеральной выборке могут одновременно присутствовать различные тенденции. В этом случае необходимо выяснить сколько уравнений регрессии требуется для описания имеющихся наблюдений с заданной точностью. Частным случаем такой постановки является кусочно-линейная регрессия. Другим примером может быть необходимость прогнозирования нескольких выходных параметров минимальным набором одинаковых входных параметров. В статьe приведены практические результаты применения авторского подхода для решения задач регрессии в агломерационном производстве и прогнозировании финансовых результатов для банковской сферы.
UR - https://www.elibrary.ru/item.asp?id=54079889
U2 - 10.30987/2658-6436-2023-2-50-57
DO - 10.30987/2658-6436-2023-2-50-57
M3 - Статья
SP - 50
EP - 57
JO - Автоматизация и моделирование в проектировании и управлении
JF - Автоматизация и моделирование в проектировании и управлении
SN - 2658-6436
IS - 2 (20)
ER -
ID: 42045938