Практическое применение методов градиентного бустинга в решениях задач производственного пенитенциарного сектора
DOI:
https://doi.org/10.5281/zenodo.15056718Ключевые слова:
машинное обучение, Python, системный анализ, бинарный прогноз, оптимизация, безопасность труда, пенитенциарная системаАннотация
В статье рассмотрено практическое применение методов градиентного бустинга в решениях задач производственного пенитенциарного сектора на примере разработанного ранее программного комплекса, в основе которого лежат такие библиотеки Python как SciKit-Learn, Catboost, Streamlit, Pandas. Непосредственно сам прикладной пример, который рассмотрен в работе, базируется на решении задачи бинарного прогноза для моделирования несчастных случаев на производствах пенитенциарной системы. Целью представленного исследования являлось показать особенности применения методов машинного обучения к прикладным задачам, которые актуальны для производств пенитенциарной системы. Новизна работы заключается в полученных результатах исследования, которые содержат особенности применения рассматриваемого инструмента прогнозирования.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
