Metode de ansamblu și interpretabilitatea lor în prognoza cererii

ai generated, neural, network-8540914.jpg
Anunț Publicare: A 14-a Conferință Comună de Matematică și Informatică
Conferință: A 14-a Conferință Comună de Matematică și Informatică, Cluj-Napoca

Suntem încântați să anunțăm publicarea recentă a unui articol de cercetare de către partenerul nostru în cadrul proiectului DataSeer, Universitatea Babeș-Bolyai, la a 14-a Conferință Comună de Matematică și Informatică. Cercetarea se concentrează pe utilizarea modelelor de ansamblu pentru prognoza cererii și aplicarea diferitelor tehnici de interpretabilitate pentru a obține informații despre aceste modele. Au fost evaluate diferite metode de ansamblu de tip boosting, cum ar fi Adaboost, XGBoost și arbori de decizie bagging precum Random Forest, pentru rezolvarea problemelor de regresie în prognoza cererii. Tehnici precum SHAP tree explainer, importanța caracteristicilor prin permutare și Mimic explainer au fost folosite pentru a furniza valori de importanță a caracteristicilor, oferind atât explicații globale, cât și locale.

Scroll to Top