АНАЛІЗ МЕТОДІВ ВІДБОРУ ОЗНАК ДЛЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ АЛГОРИТМІВ МАШИННОГО НАВЧАННЯ У ЗАДАЧАХ ПРОГНОЗУВАННЯ
DOI:
https://doi.org/10.30857/2786-5371.2025.6.4Ключові слова:
методи відбору ознак, прогнозування, алгоритми, датасети, обробка даних, машинне навчанняАнотація
Мета. Систематизація та порівняльний аналіз методів відбору ознак з метою підвищення ефективності алгоритмів машинного навчання у задачах прогнозування та класифікації.
Методика. Систематизація, формалізація та порівняльний аналіз трьох основних категорій методів відбору ознак: фільтраційних (filter methods), обгортаючих (wrapper methods) та вбудованих (embedded methods).
Результати. Проведено детальний аналіз існуючих алгоритмів відбору ознак, їхніх переваг та обмежень у контексті роботи з великими обсягами даних та високою розмірністю простору ознак. Розроблено класифікацію методів залежно від типу задачі (прогнозування або класифікація), характеру даних та обчислювальних ресурсів.
Наукова новизна. Запропоновано систематизовану методологію відбору ознак, що забезпечує зменшення розмірності простору ознак, мінімізацію надлишковості даних та покращення інтерпретативності моделей при збереженні або підвищенні їхньої прогностичної здатності.
Практична значимість. Отримані результати демонструють, що правильний вибір методу відбору ознак дозволяє досягти значного зменшення часу навчання моделей, покращення їхньої узагальнюючої здатності та зниження ризику перенавчання. Результати відкривають перспективи застосування методів відбору ознак у різних галузях, де потрібна обробка великих обсягів даних з високою розмірністю ознак.
