Сравнение ансамблевых методов машинного обучения при решении задачи прогнозирования окончания периода заморозков

Аннотация

в статье приводится сравнение результатов применения ансамблевых методов машинного обучения для решения задачи прогнозирования завершения периода заморозков. Дано краткое описание ансамблевых методов. Представлены результаты исследования зависимости влияния различных наборов гиперпараметров и входных данных на обучение оптимальной модели. Сделаны выводы о качестве получаемых моделей с помощью различных вариаций градиентного бустинга, случайного леса и линейной модели. В работе приведены результаты применения библиотек, реализующих методы машинного обучения: XGBoost, LightGBM, CatBoost, Random Forest (scikit-learn), логистическая регрессия.