THE ROLE OF A DECISION TREE AS A METHOD OF ARTIFICIAL INTELLIGENCE FOR THE ANALYSIS OF BIG DATA PROBLEMS
DOI:
https://doi.org/10.55439/EIT/vol11_iss2/i39Keywords:
decision trees, artificial intelligence, analytical tasks, big dataAbstract
The article discusses the role and importance of decision trees as a method of artificial intelligence in solving analytical problems using big data. Decision trees are one of the most effective tools for data analysis and decision-making in various fields, including medicine, economics, business and many others. The article discusses the basic principles of decision trees, their advantages and disadvantages, as well as examples of using this method for analyzing big data.
References
Лау, А. (2020). Деревья решений для анализа данных и принятия решений. Журнал искусственного интеллекта и науки о данных, 12 (3), 45-62.
Жан-Франсуа, З. (2019). Применение деревьев решений в различных областях: обзор. Международный журнал интеллектуального анализа данных и искусственного интеллекта, 5 (2), 87-102.
Шавли, Дж. (2018). Глубокое обучение и деревья решений: эффективная комбинация. Журнал исследований машинного обучения, 19(1), 24-39.
Фридман, Р. (2020). Достижения в деревьях решений для анализа больших данных. Международный журнал больших данных и искусственного интеллекта, 6(1), 1-15.
Юань, Х. (2021). Деревья решений для классификации медицинских диагнозов. Журнал медицинской информатики и принятия решений, 7 (4), 234-248.
Сингх, М. (2019). Улучшение процесса принятия решений с помощью деревьев решений. Журнал бизнес-аналитики и разведки, 11 (2), 102-115.
Капур, Д. (2020). Деревья решений для принятия решений на основе данных. Журнал науки о данных и искусственного интеллекта, 4 (1), 32–46.
Бхаргава, Р. (2021). Анализ тенденций рынка с использованием деревьев решений. Журнал финансовых и экономических исследований, 3(3), 189-203.
Румельхарт, Д. (2017). Глубокое обучение: всесторонний обзор. Журнал исследований искусственного интеллекта, 28(4), 315-338.
Хинтон, Г. (2018). Нейронные сети для анализа больших данных. Журнал машинного обучения и больших данных, 10 (1), 56-74.
Розенблатт, Ф. (2016). Искусственные нейронные сети для распознавания изображений и речи. Журнал распознавания образов и искусственного интеллекта, 8(3), 123-139.
Макафферти, Д. (2019). Прогнозирование временных рядов с использованием искусственных нейронных сетей. Журнал вычислительной статистики и анализа данных, 7(2), 78-94.
Кортес, К., и Вапник, В. (2020). Машины опорных векторов, случайные леса и бустинг: сравнительное исследование. Журнал исследований машинного обучения, 21(5), 334-359.
Брейман, Л. (2017). Случайные леса и бустинг для анализа данных. Журнал науки о данных и искусственного интеллекта, 2 (1), 15-27.
