Fuzzy Logic in Data Preprocessing and Its Impact on the Performance of the XGBoost Machine Learning Model
Author info
Andrej Bednařík
Author
Bednařík Andrej EUBFHIKMA - Katedra matematiky a aktuárstva FHI
Source document
Ekonomika a informatika : vedecký časopis FHI EU v Bratislave a SSHI. Roč. 23, č. 1 (2025), s. 22-29. - Bratislava : Ekonomická univerzita v Bratislave, 2025. ISSN 1339-987X
Fuzzy logika poskytuje efektívny prístup k predspracovaniu číselných údajov v strojovom učení, najmä v regresii. Tento článok skúma vplyv fuzzyfikácie premenných, ako vek a BMI na presnosť predikcie nákladov na zdravotnú starostlivosť. Použitím fuzzy transformácie sme testovali výkon XGBoost regresora pri rôznych variantoch predspracovania datasetu. Výsledky naznačujú, že fuzzy logika môže v niektorých prípadoch zlepšiť presnosť predikcie (nižšie RMSE), najmä pri premenných s nejasnými hranicami. Diskutujeme tiež o situáciách, kde jej aplikácia neprináša zlepšenie, a identifikujeme scenáre, v ktorých je najvhodnejšia.
Public work category
Scientific titles in home not carented magazines and other year-books
