ПРОГНОЗИРОВАНИЕ ПРОДВИЖЕНИЯ БАСКЕТБОЛЬНОЙ КОМАНДЫ В ТУРНИРЕ С ИСПОЛЬЗОВАНИЕ ДЕРЕВА РЕШЕНИЙ
| Jazyk: | ukrajinština |
|---|---|
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Наука та виробництво; № 23 (2020): НАУКА ТА ВИРОБНИЦТВО; 368-377 |
| ISSN: | 2522-9990 |
| DOI: | 10.31498/2522-9990232020 |
| Popis: | The paper considers the construction of a decision tree to predict the progress of a basketball team in the standings. The study examines the advantages and disadvantages of a decision tree, as well as the problems of training and testing decision trees. This article describes a completely new approach to solving the problem of data classification based on decision trees. The use of new methods will allow to get rid of the lack of heuristic algorithms that are directly related to the wrong choice of the classification separation criterion when creating a decision tree. This new approach of the decision tree construction algorithm demonstrated in the process of research a more accurate classification of data, as well as the quality of forecasting results. In the article, a forecast was made of the possibilities of using decision trees for applied purposes for predicting economic and financial crisis situations. To prevent a recession in the economy of the state or a separate company or enterprise. However, before using the data, you must adhere to the requirements for the form of the data provided. It is also important to keep the data in a hierarchical manner. During the research, the authors use multidimensional methods that are useful for describing the normative profiles of statistics and their relationship to situational changes. The statistical approach of multivariate methods with unpaired data is most suitable for determining statistics related to basketball tournaments. An algorithm for CART classification using decision trees, a mathematical model for calculating the main nodes of a decision tree are presented. Using the Python programming language, an example of a decision tree for the task at hand has been created and presented. В работе рассматривается построение дерева решений для прогнозирования продвижения баскетбольной команды в турнирной таблице. В исследовании рассматриваются преимущества и недостатки дерева решений, а также проблемы обучения и тестирования деревьев решений. В статье описывается совершенно новый подход для решения задачи классификации данных на основе деревьев решений. Использование новых методов позволит избавиться от недостатка эвристических алгоритмов, которые имеют прямое отношение к неправильным выбором критерию разделения классификации при создании дерева решений. Такой новый подход алгоритма построения дерева решений продемонстрировал в процессе исследования более точную классификацию данных, а также качество прогнозирования результатов. В статье был осуществлён прогноз возможностей использования в прикладных целях деревьев решений для прогнозирования экономических и финансовых кризисных ситуаций. Для предотвращения спада экономики государства или же обособленной компании или предприятия. Однако перед использованием данных необходимо придерживаться требований к форме предоставленных данных. Также важно сохранить данные в иерархичном виде. В процессе исследования авторы используют многомерные методы, которые являются полезными для описания нормативных профилей статистики и их связи с ситуативными изменениями Статистический подход многомерных методов с непарными данными является самым подходящим для определения статистики, связанной с баскетбольными турнирами. Приведен алгоритм CART классификации с помощью деревьев решений, математическая модель расчета основных узлов дерева решений. С помощью языка программирования Python создан и приведен пример дерева решений для поставленной задачи. У роботі розглядається побудова дерева рішень для прогнозування просування баскетбольної команди в турнірній таблиці. У дослідженні розглядаються переваги і недоліки дерева рішень, а також проблеми навчання і тестування дерев рішень. У статті описується абсолютно новий підхід для вирішення задачі класифікації даних на основі дерев рішень. Використання нових методів дозволить позбутися від нестачі евристичних алгоритмів, які мають пряме відношення до неправильного вибору критерію поділу класифікації при створенні дерева рішень. Такий новий підхід алгоритму побудови дерева рішень продемонстрував в процесі дослідження більш точну класифікацію даних, а також якість прогнозування результатів. У статті був здійснений прогноз можливостей використання в прикладних цілях дерев рішень для прогнозування економічних і фінансових кризових ситуацій. Для запобігання спаду економіки держави або ж відокремленої компанії або підприємства. Однак перед використанням даних необхідно дотримуватися вимог до форми наданих даних. Також важливо зберегти дані в ієрархічності вигляді. У процесі дослідження автори використовують багатовимірні методи, які є корисними для опису нормативних профілів статистики та їх зв'язку з ситуативними змінами. Статистичний підхід багатовимірних методів з непарними даними є найкращим для визначення статистики, пов'язаної з баскетбольними турнірами. Наведено алгоритм CART класифікації за допомогою дерев рішень, математична модель розрахунку основних вузлів дерева рішень. За допомогою мови програмування Python створений і наведено приклад дерева рішень для поставленого завдання. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|