Использование методов автоматизированного машинного обучения для классификации дорожно-транспортных происшествий
Рубрики: СТАТЬИ
Авторы:
1.
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина)
2.
Санкт-Петербургский Федеральный исследовательский центр Российской академии наук
3.
Санкт-Петербургский Федеральный исследовательский центр Российской академии наук
Тип:
Статья
Страницы:
с 15
по 26
Статус:
Опубликован
Получено:
11.01.2025
Одобрено:
11.01.2025
Опубликовано:
11.01.2025
Классификаторы:
УДК УДК
Язык материала:
русский
Ключевые слова:
AutoML, машинное обучение, оптимизация гиперпараметров, CASH-проблема
Аннотация (русский):
Автоматическое машинное обучение — метод автоматизации процесса машинного обучения, реализующий автоматический выбор подходящих алгоритмов машинного обучения и настройку их гиперпараметров для создания моделей машинного обучения. Применение AutoML для прогнозирования тяжести ДТП может помочь строить модели для оценки степени тяжести ДТП, которые учитывают различные факторы, такие как метеорологические условия, виды дорог и транспортных средств, а также поведение водителя. Использование AutoML может позволить значительно сократить время, необходимое для создания и настройки моделей, а также повысить точность прогнозирования, что, в свою очередь, позволит повысить эффективность организации дорожного движения и уменьшить число ДТП.
Автоматическое машинное обучение — метод автоматизации процесса машинного обучения, реализующий автоматический выбор подходящих алгоритмов машинного обучения и настройку их гиперпараметров для создания моделей машинного обучения. Применение AutoML для прогнозирования тяжести ДТП может помочь строить модели для оценки степени тяжести ДТП, которые учитывают различные факторы, такие как метеорологические условия, виды дорог и транспортных средств, а также поведение водителя. Использование AutoML может позволить значительно сократить время, необходимое для создания и настройки моделей, а также повысить точность прогнозирования, что, в свою очередь, позволит повысить эффективность организации дорожного движения и уменьшить число ДТП.
Ключевые слова:
AutoML, машинное обучение, оптимизация гиперпараметров, CASH-проблема
AutoML, машинное обучение, оптимизация гиперпараметров, CASH-проблема
