Preview

Вестник университета

Расширенный поиск

МАШИННОЕ ОБУЧЕНИЕ КАК ИНСТРУМЕНТ КОРПОРАЦИИ ДЛЯ ВЫБОРА ПОСТАВЩИКОВ

https://doi.org/10.26425/1816-4277-2019-9-48-53

Полный текст:

Аннотация

В области экономики и финансов, методы машинного обучения получили распространение при решении проблем исследования поведения потребителей и в торговле валютой и ценными бумагами. Тем не менее, они слабо развиты в решении вопросов, связанных со взаимодействием между предприятиями. В статье представлены результаты составления и тестирования моделей машинного обучения, созданных в целях оценки благонадежности предприятий как поставщиков. Исходя из проведенного анализа, методы машинного обучения применимы при проведении оценки поставщиков. Эта статья написана на тему расширения области применения машинного обучения в сфере анализа поведения коммерческих предприятий.

Об авторах

В. В. Баклушинский
ФГБОУ ВО «Ульяновский государственный университет»
Россия

Баклушинский Вадим Валентинович соискатель

Ульяновск 



Е. В. Пустынникова
ФГБОУ ВО «Ульяновский государственный университет»
Россия

Пустынникова Екатерина Васильевна доктор экономических наук

Ульяновск



Список литературы

1. Алексеева, В. А. Использование методов машинного обучения в задачах бинарной классификации//Автоматизация процессов управления. – 2015. – № 3 (41). – С. 58-63.

2. Картиев, С. Б. Алгоритм классификации, основанный на принципах случайного леса, для решения задачи прогнозирования / С. Б. Картиев, В. М. Курейчик//Программные продукты и системы. – 2016. – № 2. – С. 11-15.

3. Коротеев, М. В. Обзор некоторых современных тенденций в технологии машинного обучения//E-Management. – 2018. – № 1. – С. 26-35.

4. Краснянский, М. Н. и др. Сравнительный анализ методов машинного обучения для решения задачи классификации документов научно-образовательного учреждения / М. Н. Краснянский, А. Д. Обухов, Е. М. Соломатина, А. А. Воякина// Вестник Воронежского государственного университета. – 2018. – № 3. – С. 173-182.

5. Информационные системы//Федеральная антимонопольная служба [Электронный ресурс]. – Режим доступа: https://fas.gov.ru/pages/about/about/gositsystem.html (дата обращения: 27.06.2019).

6. Открытые данные//Федеральная антимонопольная служба [Электронный ресурс]. – Режим доступа: https://www.nalog.ru/rn77/opendata/ (дата обращения: 27.06.2019).

7. Bohanec, M. [et al.]. Organizational Learning Supported by Machine Learning Models Coupled with General Explanation Methods: A Case of B2B Sales Forecasting / M. Bohanec, M. Robnik-Sikonja, M. Kljajic Borstnar//Organizatsiya. – 2017. – № 50 (3). – Pp. 217-233.

8. Breheny, P. [et al.] p-Value Histograms: Inference and Diagnostics / P. Breheny, A. Stromberg, J. Lambert//High-Throughput. – 2018. – Vol. 7. – № 3 [Электронный ресурс]. – Режим доступа: https://www.researchgate.net/publication/327356617_pValue_Histograms_Inference_and_Diagnostics (дата обращения: 27.06.2019).

9. Farrelly, C. M. Topology and Geometry in Machine Learning for Logistic Regression//PsyArXiv. – Oct. 17, 2017 [Электронный ресурс]. – Режим доступа: https://psyarxiv.com/v8jgk (дата обращения: 27.06.2019).

10. Karlinsky Shichor, Y. Automation, Decision Making and Business to Business Pricing//Columbia University. – July 1, 2018 [Электронный ресурс]. – Режим доступа: https://academiccommons.columbia.edu/doi/10.7916/D83X9Q5M (дата обращения: 27.06.2019).

11. Stormi, K. [et al.]. Feasibility of b2c customer relationship analytics in the b2b industrial context / K. Stormi, T. Laine, T. Elomaa// Research papers. – 2018. – № 61. – Pp. 1-8.

12. Zieba, M. [et al.]. Ensemble boosted trees with synthetic features generation in application to bankruptcy prediction / M. Zieba, S. K. Tomczak, J. M. Tomczak//Expert Systems with Applications. – 2016. – Vol. 58. – Pp. 93-101.


Для цитирования:


Баклушинский В.В., Пустынникова Е.В. МАШИННОЕ ОБУЧЕНИЕ КАК ИНСТРУМЕНТ КОРПОРАЦИИ ДЛЯ ВЫБОРА ПОСТАВЩИКОВ. Вестник университета. 2019;(9):48-53. https://doi.org/10.26425/1816-4277-2019-9-48-53

For citation:


Baklushinskii V.V., Pustynnikova E.V. MACHINE LEARNING AS A CORPORATION'S TOOL FOR SELECTION OF SUPPLIERS. Vestnik Universiteta. 2019;(9):48-53. (In Russ.) https://doi.org/10.26425/1816-4277-2019-9-48-53

Просмотров: 30


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1816-4277 (Print)