РОЛЬ ДЕРЕВА РЕШЕНИЙ КАК МЕТОДА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АНАЛИЗА ЗАДАЧ БОЛЬШИХ ДАННЫХ

Андрей Родионов; Мунаввархон  Мухитдинова

doi:10.55439/EIT/vol11_iss2/i39

Авторы

Андрей Родионов Докторант 2 курса Института Повышения Квалификации Кадров и Статистических Исследований. Тошкент, Ўзбекистон.
Мунаввархон Мухитдинова Докторант 3 курса Института Повышения Квалификации Кадров и Статистических Исследований. Тошкент, Ўзбекистон.

DOI:

https://doi.org/10.55439/EIT/vol11_iss2/i39

Ключевые слова:

деревья решений, искусственный интеллект, аналитические задачи, большие данные

Аннотация

В статье рассматривается роль и значение деревьев решений как метода искусственного интеллекта в решении аналитических задач с применением больших данных. Раскрыты методы дерева решений как наиболее эффективные инструменты для анализа данных и принятия решений в экономике и бизнесе. Показаны основные принципы работы деревьев решений, их преимущества и недостатки, а также примеры использования данного метода для анализа больших данных.

Библиографические ссылки

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.