Ключевые слова
Аннотация
Регрессионный анализ является одним из фундаментальных методов анализа данных, используемых для предсказания и прогнозирования. В этой статье рассматривается применение определенных интегралов в регрессионных моделях, в частности, для повышения точности прогнозирования нелинейных тенденций. Включая определенные интегралы, мы демонстрируем, как методы сглаживания и минимизации ошибок могут улучшить прогностические возможности в экономических и научных областях. Экспериментальные результаты указывают на значительное улучшение точности модели по сравнению с традиционными подходами.
Библиографические ссылки
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.
Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
Bektosh S., Misliddin M. Using Python in the analysis of econometric models //Innovations in exact science. – 2024. – Т. 1. – №. 2. – С. 19-27.
Zakhidov D., Bektosh S. Division of heptagonal social networks into two communities by the maximum Likelihood method //Horizon: Journal of Humanity and Artificial Intelligence. – 2023. – Т. 2. – С. 641-645.
Останов К. и др. Некоторые особенности изучения теорем сложения и умножения вероятностей в школе //Academy. – 2019. – №. 11 (50). – С. 27-28.