Разработка ансамбля алгоритмов классификации с использованием энтропийного показателя качества для решения задачи поведенческого скоринга (Development of an Ensemble of Classification Algorithms Using the Entropy Quality Measure for Solving the Problem of Behavioral Scoring)

Abstract

С увеличением объёма цифровой информации в мире возрастает актуальность задачи фильтрации и обработки таких данных. С целью выявления действительно необходимой и полезной информации для пользователя, применяются подходы, основанные на принципах классификации объектов и отнесения исходного объекта к группе наиболее похожих на него. Основой для классификации выступают алгоритмы машинного обучения, а сама классификации успешно применяется в различных областях интенсивного использования данных, в частности, в рекомендательных системах. Представленная статья посвящена описанию разработанного ансамбля алгоритмов классификации при построении рекомендательных систем в области интеллектуального анализа данных. В работе представлены результаты исследования при формировании ансамбля алгоритмов для скоринговых систем с использованием слабоструктурированных данных, а предложенный ансамбль был протестирован на открытых данных портала UCI.

Cite this paper

@inproceedings{Kuznetsov2016, title={Разработка ансамбля алгоритмов классификации с использованием энтропийного показателя качества для решения задачи поведенческого скоринга (Development of an Ensemble of Classification Algorithms Using the Entropy Quality Measure for Solving the Problem of Behavioral Scoring)}, author={Igor Kuznetsov and Vasiliy Kireev}, booktitle={DAMDID/RCDL}, year={2016} }