В зависимости от задачи, доступности и качества входящих данных, наши дата саентисты создают модель с уникальным набором признаков и алгоритмов. Поставленная цель может быть решена регрессионными методами, алгоритмами класса «деревья решения», ансамблями или их комбинацией.
РЕГРЕССИОННЫЕ МОДЕЛИ
Простой и в то же время мощный инструмент для прогнозирования временных рядов, предлагающий понятные интерпретации, простоту применения, устойчивость и надежность, особенно в ситуациях с ограниченными данными.
ДЕРЕВЬЯ РЕШЕНИЙ
Универсальный и мощный алгоритм машинного обучения, особенно в сценариях, где важными факторами являются интерпретируемость, нелинейные связи и выбор признаков.
АНСАМБЛИ
Эта техника использует сразу несколько обучающих алгоритмов, таких как деревья решений, линейные модели или нейронные сети, когда от ансамбля можно получить более точный прогноз, чем от каждого алгоритма по отдельности. Гибкость в архитектуре модели и настройке гиперпараметров обеспечивает точную настройку под решение конкретной задачи.
ЭВРИСТИКИ
Метод аккумулирует совокупный опыт команды разработчиков в конкретной отрасли с учетом частных случаев и работает на повышение эффективности всех используемых технологий.
