Исследование производительности алгоритмов машинного обучения в задачах классификации данных

Abstract

Предложен подход к решению задачи построения моделей машинного обучения в решении задач классификации данных. На примере анализа наборов биомедицинских данных проведено сравнение производительности алгоритмов машинного обучения, настроенных с помощью предварительно оптимизированных гиперпараметров. Найдены наилучшие значения гиперпараметров, обеспечивающие эффективное прогнозирование, для самых распространенных алгоритмов машинного обучения. = An approach to solving the problem of constructing machine learning models in solving data classification problems is proposed. Using the example of analyzing biomedical data sets, the performance of machine learning algorithms tuned using pre-optimized hyperparameters is compared. The best values of hyperparameters that provide effective prediction were found for the most common machine learning algorithms.