Показати скорочений опис матеріалу

dc.contributor.authorЖучков, Сергій
dc.date.accessioned2023-09-28T15:42:41Z
dc.date.available2023-09-28T15:42:41Z
dc.date.issued2023
dc.identifier.urihttp://ir.nmu.org.ua/handle/123456789/164925
dc.description.abstractМетою цієї дипломної роботи є дослідження, застосування та порівняння методів класифікації незбалансованих наборів даних в задачах виявлення фроду, також знаходження підходящих методів кластерізацій для покращення якості моделі прогнозування.uk_UA
dc.description.abstractРезультати дипломної роботи включають детальний аналіз та оцінку методів класифікації незбалансованих даних, включаючи їх ефективність прогнозування шахрайських транзакцій.uk_UA
dc.description.abstractВикористовується мова програмування Python із бібліотеками, такими як Pandas, NumPy, Matplotlib, Seaborn та Scikit-learn, для обробки даних, виконання аналізу та прогнозування. Інноваційність роботи відрізняється своїм підходом до вибору та застосування методів, які оптимально підходять для обробки незбалансованих даних.uk_UA
dc.language.isoukuk_UA
dc.titleМетоди класифікації незбалансованих наборів даних у задачах Fraud Detectionuk_UA
dc.typeLearning Objectuk_UA


Долучені файли

Thumbnail

Даний матеріал зустрічається у наступних фондах

Показати скорочений опис матеріалу