Vytlačiť
1. Fuzzy logika v predspracovaní údajov a jej vplyv na výkonnosť modelu strojového učenia XGBOOST
| Názov | Fuzzy logika v predspracovaní údajov a jej vplyv na výkonnosť modelu strojového učenia XGBOOST | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Súbežný názov | Fuzzy Logic in Data Preprocessing and Its Impact on the Performance of the XGBoost Machine Learning Model | ||||||||
| Autorské údaje | Andrej Bednařík | ||||||||
| Autor | Bednařík Andrej EUBFHIKMA - Katedra matematiky a aktuárstva FHI | ||||||||
| Zdrojový dokument | 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 | ||||||||
| Poznámky | VEGA 1/0497/25. - VEGA 1/0377/25 | ||||||||
| Druh dokumentu | rozpis článkov z periodík | ||||||||
| Jazyk dokumentu | slovenčina | ||||||||
| Krajina vydania | Slovenská republika | ||||||||
| Heslá | dáta * regresia * učenie strojové * prognózovanie | ||||||||
| Anotácia | 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. | ||||||||
| Kategória EPC | Vedecké práce v domácich nekarentovaných časopisoch | ||||||||
| Báza dát | PUBLIKAČNÁ ČINNOSŤ | ||||||||
| Archív EPC | E25 00227-003, online | ||||||||
| Odkazy | PERIODIKÁ-Súborný záznam periodika | ||||||||
| Čísla | 2025: 1 | ||||||||
| |||||||||