Комбинированный метод отбора признаков для моделей машинного обучения при решении задачи прогнозирования состояния помеховой обстановки [Combined Method of Feature Selection for Machine Learning Models in Solving the Problem of Forecasting the State of Interference Environment]

Abstract

В работе предложен метод комплексной модификации пространства параметров при синтезе моделей машинного обучения для задач прогнозирования помеховой обстановки, основанный на замене наименее релевантной группы признаков их линейной комбинацией. На основе экспериментальных данных проведена оценка эффективности предложенного подхода и его сравнение с другими алгоритмами с точки зрения вычислительной сложности и точности моделирования. Определено, что предложенный метод позволяет существенно уменьшить вычислительную сложность моделей на этапе обучения при незначительном росте ошибки на тестовом множестве данных.