Многофакторное прогнозирование на основе деревьев классификации. Анна Монахова.mp4

Выступление на конференции "Прогнозирование и планирование 2020" Анна Монахова Центр Статистических Технологий. Эксперт-статистик Неоднородность исходных данных часто становится причиной низкой точности прогнозных моделей, а если природа этой неоднородности, как и ее присутствие в данных для прогнозиста неочевидны, то «плохие» прогнозы практически гарантированы. Непостоянство влияния факторов, их взаимодействия серьезно осложняют анализ и интерпретацию полученных моделей. Преимущество классификационных деревьев как метода прогнозирования хорошо известно – это возможность обрабатывать практически любую входную информацию, прекрасная визуализация как самой модели, так и ее точности, а также возможность параллельного решения как задачи прогнозирования, так и сегментации неоднородных данных. Мы рассмотрим два практических кейса использования данной методики.