ДОСЛІДЖЕННЯ МЕТОДІВ ЗМЕНШЕННЯ НАВЧАЛЬНОЇ ВИБІРКИ ДАНИХ

Анотація

Значна кількість методів машинного навчання мають обмеження на об’єм даних з якими вони можуть
працювати. Зазвичай ці обмеження проявляють себе як надмірне споживання розрахункових ресурсів, або пам’яті.
Так, як більшість алгоритмів машинного навчання мають розрахункову складність більшу ніж O(n), при значному
об’єму вхідних даних, ці алгоритми не зможуть знайти рішення за розумний час. Зменшення навчальної вибірки для
цих алгоритмів підвищить швидкість їх роботі пропорційно до розрахункової складності алгоритмів.
У статі проаналізовано методи зменшення навчальної вибірки для деяких алгоритмів машинного навчання.
Виміряно вплив зменшення навчальної вибірки на швидкодію та точність алгоритмів машинного навчання.
Метою даного дослідження є дослідження впливу різних алгоритмів зменшення начальної вибірки на взаємну
точність різних моделей машинного навчання при прогнозуванні сонячної інсоляції.
Основні результати дослідження. Досліджено вплив начальної вибірки при наявності надлишкового об’єму даних
на швидкодію алгоритмів машинного навчання, та на їх точність. Виміряно вплив прокляття розміреності при вико-
ристанні значно зменшеної навчальної вибірки.
Науковою новизною є порівняння методів зменшення навчальної вибірки для передбачення сонячної інсоляції.