Інтелектуальна система прогнозування погоди

Автор(и)

  • V. M. Sineglazov Національний авіаційний університет, Київ, Україна
  • M. O. Omelchenko Національний авіаційний університет, Київ, Україна
  • V. P. Hotsyanivskyy Національний авіаційний університет, Київ, Україна

DOI:

https://doi.org/10.18372/1990-5548.55.12778

Ключові слова:

Машинне навчання, пітон, аналіз даних

Анотація

Розглянуто створення інтелектуальної системи прогнозування погоди в традиційному викладі прогнозування часових рядів. Для вирішення цієї проблеми обраний випадковий алгоритм лісу. Приклади реалізації програми алгоритму представлено з використанням бібліотек для мови програмування Python, а саме Pandas і Skicit-learn. Показано вирішення проблеми для низки реальних прикладів.

Біографії авторів

V. M. Sineglazov, Національний авіаційний університет, Київ, Україна

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Доктор технічних наук. Професор





M. O. Omelchenko, Національний авіаційний університет, Київ, Україна

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Студент

V. P. Hotsyanivskyy, Національний авіаційний університет, Київ, Україна

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Студент

Посилання

Ron Kohavi; Foster Provost, “Glossary of terms,” Machine Learning, Kluwer Academic Publishers, Boston, Manufactured in The Netherlands, vol. 30, pp. 271–274, 1998.

Machine learning and pattern recognition "can be viewed as two facets of the same field."

##submission.downloads##

Номер

Том 1 № 55 (2018)

Розділ

АВТОМАТИЗОВАНІ СИСТЕМИ ПРОЕКТУВАННЯ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).