NobleBlocks

Research indexJournal article

Сравнительный анализ алгоритмов классификации

Косенко

Electronic Library of Peter the Great Polytechnic University1 Jul 2026Open access

NobleIDark:/48914/w1/20261105/656FC01BDOI10.18720/spbpu/3/2025/vr/vr26-1295

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Цель выпускной квалификационной работы заключается в сравнительном анализе распространенных алгоритмов классификации и модернизации одного из них. Задачи, которые необходимо решить в ходе исследования: 1) Рассмотреть существующие алгоритмы классификации, применяемые в машинном обучении. 2) Провести сравнительный анализ. 3) Разработать модернизированный метод, на основе алгоритма k-ближайших соседей. 4) Провести анализ эффективности разработанного метода. 5) Сделать выводы на основе полученных результатов. В работе были рассмотрены три алгоритма классификации: k-ближайших соседей, Деревья решений и метод опорных векторов. Они были изучены, смоделированы, реализованы и выполнены на четырех наборах данных. В ходе сравнительного анализа фиксировалась точность, время обучения, время тестирования, зависимость от параметров и устойчивость к ненормализованным данным. По результатам сравнительного анализа были сформулированы преимущества и недостатки рассмотренных алгоритмов. Был разработан модернизированный алгоритм, на основе k-ближайших соседей, решающий проблему зависимости от параметра k. За счет дополнительной оптимизации удалось также снизить время тестирования. Для достижения данных результатов в работе были использованы следующие информационные технологии, в том числе программное обеспечение, облачные сервисы, базы данных и прочие сквозные цифровые технологии: PyCharm Community Edition.

Discussion

More

Suggest a correction or report