Прогнозирование заказов такси с использованием данных заказов #9101458

Артикул: 9101458
  • Предмет: Программирование
  • Уникальность: 84% (Антиплагиат.ВУЗ)
  • Разместил(-а): 185 Рамиль в 2019 году
  • Количество страниц: 39
  • Формат файла: docx
  • Последняя покупка: 20.12.2023
2 499p.
Оплатите артикул одним из 20 способов и сразу скачайте.
После оплаты он автоматически будет удален с сайта.
Никто кроме вас не сможет посмотреть его до 28.05.2024
Введение 3
1. Теоретические основы прогнозирования заказов такси с использованием данных заказов 5
1.1. Сущность и модели машинного обучения 5
1.2. Методы машинного обучения для решения задачи 9
2. Этапы реализация решения задачи 14
2.1. Сущность и алгоритм препроцессинга 14
2.2. Разработка информационной системы с помощью Python 17
2.3. Сравнение языков программирования 20
Заключение 23
Список использованной литературы 24
Приложения 25
Листинг программы 27

Для решения задачи были использованы несколько методов машинного обучения. Методы, рассматриваемые в работе, относятся к методам обучения с учителем и решают задачу прогнозирования действительного числа (задача восстановления регрессии) и задачи классификации.
Решения задачи обучения с учителем требует сопоставить входные и выходные данные.
Данные о заказах такси были предоставлены оператором такси
Данные представляют собой массив заказов
1. Kriesel David. A Brief Introduction to Neural Networks. 2007.
2. Lu C. N. Wu H. T. Vemuri S. Neural network based short term load forecasting
//Power Systems, IEEE Transactions on. 1993.
3. G. Bakirtzis A. A neural network short term load forecasting model for the Greek power system //Power Systems, IEEE Transactions on. 1996.
4. V.I. Domanov A.I. Bolalova. Analysis of forecasting the energy consumption with various data bases. 2014.
5. В. Воронцов К. Машинное обучение //Курс лекций на сайте http://www. machinelearning. ru. 2009.
6. Золотых Н.Ю. Машинное обучение и анализ данных.
7. R. Quinlan J. Induction of Decision Trees. 1986.
8. Friedman J. Greedy Function Approximation: A Gradient Boosting Machine. 2001.
9. Портал Языка программирования Python url:http://pythonworld.ru/. 10.Портал библиотеки scikit-learn url:http://scikit-learn.org/stable/. 11.Портал библиотеки NumPy url:http://www.numpy.org/. 12.Портал языка Matlab url:http://www.mathworks.com.
13. Портал языка Wolfram Mathematica url:http://www.wolfram.com/mathematica/.
14. Дружков П.Н. Золотых Н.Ю. Половинкин А.Н. Введение в R. 2013.
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач, сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением. Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения, соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
Тема: Прогнозирование заказов такси с использованием данных заказов
Артикул: 9101458
Дата написания: 12.06.2019
Тип работы: Дипломная работа
Предмет: Программирование
Оригинальность: Антиплагиат.ВУЗ — 84%
Количество страниц: 39
Скрин проверки АП.ВУЗ приложен на последней странице.

В работе представлены только пояснительная записка и листинг программы. Самой программы нет
А ты умеешь выполнять такие работы?

Файлы артикула: Прогнозирование заказов такси с использованием данных заказов по предмету программирование

Пролистайте "Прогнозирование заказов такси с использованием данных заказов" и убедитесь в качестве

После покупки артикул автоматически будет удален с сайта до 28.05.2024
Дипломная — Прогнозирование заказов такси с использованием данных заказов — 1
Дипломная — Прогнозирование заказов такси с использованием данных заказов — 2
Дипломная — Прогнозирование заказов такси с использованием данных заказов — 3
Дипломная — Прогнозирование заказов такси с использованием данных заказов — 4
Дипломная — Прогнозирование заказов такси с использованием данных заказов — 5
Дипломная — Прогнозирование заказов такси с использованием данных заказов — 6
Посмотреть остальные страницы ▼
Честный антиплагиат! Честный антиплагиат!
Уникальность работы — 84% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег! Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.