Now showing items 1-3 of 3

    • Gradientu pastiprināšanas algoritmu salīdzinājums un mainīgo būtiskuma analīze 

      Lazareva, Lana (Latvijas Universitāte, 2020)
      Šajā darbā tiek izpētīti un salīdzināti trīs no jaunākiem un plaši izmantotiem gradienta pastiprināšanas algoritmiem - XGBoost, LightGBM un CatBoost. Šie algoritmi tiek salīdzināti pēc to ātrdarbības, kā arī tendences uz ...
    • Izslēgšanas metode XGBoost algoritmam 

      Freimanis, Andris (Latvijas Universitāte, 2019)
      Tika izpētīta izslēgšanas metode, DART algoritms, XGBoost algoritms un XGBoost algoritma hiperparametri (α, λ, γ, srinkage un subsample), kas saistīti ar modeļa regularizāciju un pārpielāgošanas samazināšanu. Tika izpētīti ...
    • Uz administratīvajiem datiem balstīta zāļu devas prognozēšanas modeļa izstrāde 

      Izotova, Viktorija (Latvijas Universitāte, 2022)
      Darbs veltīts zāļu devas prognozēšanas modeļa izstrādei, balstoties uz administratīvajiem datiem. Informācija par precīzu pacientam noteikto zāļu lietošanas devu ir nepieciešama dažādos (farmako)epidemioloģiska rakstura ...