АНАЛІЗ НЕЛІНІЙНИХ ЗАЛЕЖНОСТЕЙ МІЖ ПРЕДИКТОРАМИ ТА ЦІЛЬОВОЮ ЗМІННОЮ У ЗАДАЧАХ ПРОГНОЗУВАННЯ

Read full text Summarise with VIRAT
Authors: Антон Кириченко, ВЛАДИСЛАВА СКІДАН
Cited by: 0
References: 13

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

АНАЛІЗ НЕЛІНІЙНИХ ЗАЛЕЖНОСТЕЙ МІЖ ПРЕДИКТОРАМИ ТА ЦІЛЬОВОЮ ЗМІННОЮ У ЗАДАЧАХ ПРОГНОЗУВАННЯ Анотація.У статті здійснено комплексний теоретико-методологічний аналіз методів виявлення та моделювання нелінійних залежностей між предикторами та цільовою змінною у задачах прогнозування.Актуальність дослідження зумовлена тим, що у реальних прикладних задачах взаємозв'язки між змінними часто мають складний характер і не можуть бути адекватно описані в межах класичних лінійних моделей.Ігнорування нелінійних ефектів призводить до систематичних похибок оцінювання, зниження узагальнювальної здатності моделей та втрати прогностичної точності.Запропонований підхід ґрунтується на застосуванні сучасних інструментів машинного навчання для виявлення прихованих структур у даних.Зокрема, розглянуто використання поліноміальних перетворень ознак, сплайнів, ядерних методів, а також деревовидних алгоритмів і ансамблевих моделей, які дозволяють моделювати складні нелінійні функціональні залежності без жорстких припущень щодо їх форми.Особливу увагу приділено питанням інтерпретації отриманих результатів та оцінювання внеску окремих предикторів у формування прогнозу.Проведено систематизацію існуючих підходів до аналізу нелінійних залежностей, визначено їхні переваги, обмеження та сфери доцільного застосування залежно від типу даних, розмірності вибірки та доступних обчислювальних ресурсів.Розроблено класифікацію методів за характером апроксимації та рівнем гнучкості моделі.Результати емпіричного дослідження підтверджують, що врахування нелінійних ефектів забезпечує статистично значуще підвищення точності прогнозування порівняно з лінійними моделями, особливо для даних зі складною структурою взаємозв'язків.Отримані висновки розширюють методологічні засади побудови прогнозних моделей і створюють передумови для подальших досліджень у цій сфері.

Fields of Study & Subjects

Statistical Methods and Applications Forecasting Techniques and Applications Advanced Statistical Methods and Models

Publication details

Journal / source
Наука і техніка сьогодні
Issue
2(56)
Publication date
21 March 2026
Language
UK