Динамический выбор модели регрессии на основе мета-обучения.

В данной работе были исследованы основные понятия, используемые в машинном обучении, проанализированы различные типы алгоритмов машинного обучения, а также рассмотрены модели классификации и регрессии. В машинном обучении всегда существует потребность в улучшении работы моделей. Одним из способов последнего является построение ансамблей. Ансамбли моделей позволяют существенно улучшить качество предсказания базовых моделей. Данная работа предлагает новый метод регрессионного анализа - динамический метод выбора модели регрессии на основе мета-обучения. Предсказание модели делается с помощью динамического выбора модели регрессии для каждого нового атрибута из набора данных. Выбор модели регрессии для каждого атрибута осуществляется с помощью модели классификации, предсказания которого основываются на том, какие модели дали наименьшие ошибки для каждого атрибута из обучающего набора. Новый метод машинного обучения, как и в случаях ансамблей, позволяет улучшить предсказания базовых моделей. Метод был протестирован на разных наборах данных. В работе был произведен сравнительный анализ набора регрессионных моделей с новым методом, который показал, что новый метод предсказывает лучше, чем отдельно взятые базовые модели.