Список публикаций по ключевому слову: «дерево решений»
-
Машинное обучение на основе правил в иерархической модели для прогнозирования корпоративного банкротства
Статья в сборнике трудов конференции
Право, экономика и управление: теория и практика- Авторы:
- Черняева Полина Денисовна, Алмазова Екатерина Сергеевна, Горбачев Сергей Игоревич
- Рубрика:
- Экономика предпринимательства
- Аннотация:
- В статье исследуется применение машинного обучения на основе правил, в частности деревьев решений, для прогнозирования корпоративного банкротства в рамках иерархической модели. На основе набора данных из Taiwan Economic Journal (1999–2009 гг.) в исследовании оцениваются показатели экономической эффективности, критически влияющие на финансовую несостоятельность. Модель дерева решений достигла уровня ошибки 1,6%, превзойдя нейронные сети (2,67%) и карты Кохонена (2,98%). Наиболее значимыми выявленными факторами стали: устойчивая прибыль на акцию (Persistent EPS) (22,4%), коэффициент отношения оборотного капитала к собственному капиталу (Working Capital to Equity ratio) (20,1%) и отношение прибыли до налогообложения к капиталу (Pretax Income to Capital) (15,5%). Полученные результаты предоставляют прозрачный и масштабируемый инструмент для инвесторов и кредиторов с целью минимизации финансовых рисков.
- Ключевые слова:
- финансовое состояние, экономическая эффективность, машинное обучение, дерево решений, иерархическая модель, прогнозирование банкротства
-
Логический алгоритм классификации для обнаружения фишинговых доменов при анализе кибербезопасности
Статья в сборнике трудов конференции
Право, экономика и управление: теория и практика- Автор:
- Коршунова Вероника Юрьевна
- Рубрика:
- Социально-экономические процессы в обществе
- Аннотация:
- В статье рассматривается применение деревьев решений для обнаружения фишинговых доменов на основе атрибутов URL-адресов. Логический алгоритм классификации, осуществляющий поиск конъюнктивных закономерностей, был применен к набору данных, включающему 112 структурных и серверных признаков. Модель дерева решений достигла уровня ошибки 3,26%. Ключевыми значимыми факторами, выявленными в ходе исследования, стали: количество косых черт (слэшей) в URL-адресе (40,3%), время активации домена (16,8%) и длина каталога (14,06%). Полученные результаты подтверждают высокую эффективность и интерпретируемость методов машинного обучения на основе правил для минимизации угроз кибербезопасности.
- Ключевые слова:
- машинное обучение, кибербезопасность, дерево решений, фишинговые домены, обнаружение угроз
-
Применение логических алгоритмов классификации для прогнозирования отчисления студентов в интеллектуальных образовательных средах
Статья в сборнике трудов конференцииСовременное образование: инновации, вызовы и решения- Авторы:
- Олейникова Олеся Олеговна, Коршунова Вероника Юрьевна, Костина Раиса Васильевна
- Рубрика:
- Инновации в образовательной деятельности педагога
- Аннотация:
- В статье рассматривается применение деревьев решений для прогнозирования отчисления студентов и выявления академических факторов риска на основе атрибутов системы управления обучением (LMS). Логический алгоритм классификации, осуществляющий поиск конъюнктивных закономерностей, был применен к набору данных, включающему 112 структурных и поведенческих признаков вовлеченности студентов. Модель дерева решений достигла уровня ошибки 4,12%. Ключевыми значимыми факторами, выявленными в ходе исследования, стали: частота перерывов между входами в систему (40,3%), время, прошедшее с момента зачисления (16,8%), и количество незавершенных разделов модулей (14,06%). Сравнительный анализ показывает, что методы, основанные на правилах, превосходят нейронные сети по степени интерпретируемости, предоставляя преподавателям практически применимые выводы. Полученные результаты подтверждают высокую эффективность и прозрачность логических алгоритмов классификации для аналитики образовательного процесса в реальном времени.
- Ключевые слова:
- машинное обучение, дерево решений, умный кампус, интеллектуальный анализ образовательных данных, прогнозирование отчисления студентов, логическая классификация
-
Машинное обучение на основе правил в иерархической модели для оценки академической успеваемости и качества образования
Статья в сборнике трудов конференцииСовременное образование: инновации, вызовы и решения- Авторы:
- Олейникова Олеся Олеговна, Черняева Полина Денисовна, Костина Раиса Васильевна
- Рубрика:
- Инновации в образовательной деятельности педагога
- Аннотация:
- В статье рассматриваются важные аспекты прогнозирования академической успеваемости, включая раннее выявление рисков и принятие обоснованных управленческих решений в сфере образования. Метод автоматизированного построения деревьев решений позволяет эффективно анализировать множество образовательных индикаторов, автоматически выявлять ключевые факторы и повышать точность и интерпретируемость прогнозов. Данный исследовательский подход является ценным инструментом для администрации вузов и преподавателей, помогая им снижать риски академической неуспеваемости и обеспечивать стабильность образовательной траектории студентов. Цель статьи заключается в расширении понимания влияния поведенческих факторов на академический успех и предложении инновационных методов анализа образовательных данных.
- Ключевые слова:
- качество образования, машинное обучение, академическая успеваемость, дерево решений, иерархическая модель, удержание студентов
-
Управление финансовыми рисками: методы анализа и прогнозирования финансовых рисков
Статья в сборнике трудов конференции
Современные тренды управления, экономики и предпринимательства: от теории к практике- Авторы:
- Лысаченко Игорь Сергеевич, Пакскина Мария Романовна
- Рубрика:
- Проблемы современной мировой экономики
- Аннотация:
- В статье рассмотрены основные виды финансовых рисков, в том числе методы анализа и прогнозирования рисков, которые подразделяются на качественные и количественные. Данные риски возникают в основном из-за нестабильности различных факторов, которые подробно проанализированы в статье.
- Ключевые слова:
- риски, финансовые ресурсы, финансовые риски, SWOT-анализ, дерево решений