📄Работа №52608
Тема: МАШИННОЕ ОБУЧЕНИЕ В СФЕРЕ КУРЬЕРСКИХ ДОСТАВОК
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Математика
Объем:
43 листов
Год:
2016
Просмотров:
398
4390
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Глава 1. Описание задачи 5
1.1 Постановка задачи 5
1.2 Поиск кратчайших путей в графе 5
1.3 Распределение заказов по курьерам 7
1.4 Задача коммивояжёра 8
1.5 Распределение заказов с учётом машинного обучения 9
Глава 2. Машинное обучение 11
2.1 Линейная регрессия (LinealRegression) 11
2.2 Случайные деревья (RandomForrest) 12
2.3 Классификация и регрессия 12
деревьев решений (Decision Tree Classifier and Decision Tree Regression)
2.4 Градиентный бустинг(Gradient Boosting) 15
Глава 3. Реализация задачи 16
Г лава 4. Оценка результатов 21
Глава 5. Заключение 25
Листинг 26
Литература 38
Приложения 39
Глава 1. Описание задачи 5
1.1 Постановка задачи 5
1.2 Поиск кратчайших путей в графе 5
1.3 Распределение заказов по курьерам 7
1.4 Задача коммивояжёра 8
1.5 Распределение заказов с учётом машинного обучения 9
Глава 2. Машинное обучение 11
2.1 Линейная регрессия (LinealRegression) 11
2.2 Случайные деревья (RandomForrest) 12
2.3 Классификация и регрессия 12
деревьев решений (Decision Tree Classifier and Decision Tree Regression)
2.4 Градиентный бустинг(Gradient Boosting) 15
Глава 3. Реализация задачи 16
Г лава 4. Оценка результатов 21
Глава 5. Заключение 25
Листинг 26
Литература 38
Приложения 39
📖 Введение
Настоящий мир развивается очень быстро. Количество информации, накапливаемое человечеством, растёт в геометрической прогрессии. Каждое новое поколение увеличивает это число в разы. Правильное использование информации гарантирует успех её владельцу. Не случайно в древние времена, за счёт знаний завоёвывались государства, выигрывались сражения, свергалось правительство и т.п. Высказывание Ротшильда актуально и в современном общество. Сейчас объём информации во всем миру огромен. И кто умеет использовать эту информацию, тот будет впереди планеты всей.
Возникает вопрос: а как правильно использовать информацию? Основная задача науки и реальной жизни - получение правильных предсказаний о будущем поведении сложных систем на основании их прошлого поведения. Многие задачи на практике, не могут быть решены заранее известными методами. Это происходит по той причине, что нам не известны заранее механизм происхождения данных или их недостаточно для построения точной модели. В этих условиях ничего не остаётся, как стоить модель на основе известных данных, и затем совершенствовать модель. Такой подход, при котором прошлые данные используются для первоначального формирования и последующего улучшения, называется методом машинного обучения.
Машинное обучение - раздел искусственного интеллекта, изучающего методы построения моделей, способных обучаться.
Целью МО является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности.
В качестве области применения можно выделить следующие сфер приложения: о Компьютерное зрение (computer vision) о Распознавание речи (speech recognition) о Компьютерная лингвистика и обработка естественных языков (natural language processing) о Медицинская диагностика о Биоинформатика о Техническая диагностика о Финансовые приложения о Рубрикация, аннотирование и упрощение текстов о Информационный поиск о Интеллектуальные игры
Задача, которую предстоит решить, связана с грузоперевозками, или если быть точнее быстрыми почтовыми доставками. Она заключается в следующем. Имеется список заказов и список курьеров. Необходимо распределить и доставить товар курьеру так, чтобы он доставил каждый груз в назначенное место и в нужное время. Решение задачи непосредственно связано с использованием машинного обучения.
В работе будет проведён анализ методов МО для данной задачи и построение лучшей модели по получения наилучшего прогноза
Возникает вопрос: а как правильно использовать информацию? Основная задача науки и реальной жизни - получение правильных предсказаний о будущем поведении сложных систем на основании их прошлого поведения. Многие задачи на практике, не могут быть решены заранее известными методами. Это происходит по той причине, что нам не известны заранее механизм происхождения данных или их недостаточно для построения точной модели. В этих условиях ничего не остаётся, как стоить модель на основе известных данных, и затем совершенствовать модель. Такой подход, при котором прошлые данные используются для первоначального формирования и последующего улучшения, называется методом машинного обучения.
Машинное обучение - раздел искусственного интеллекта, изучающего методы построения моделей, способных обучаться.
Целью МО является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности.
В качестве области применения можно выделить следующие сфер приложения: о Компьютерное зрение (computer vision) о Распознавание речи (speech recognition) о Компьютерная лингвистика и обработка естественных языков (natural language processing) о Медицинская диагностика о Биоинформатика о Техническая диагностика о Финансовые приложения о Рубрикация, аннотирование и упрощение текстов о Информационный поиск о Интеллектуальные игры
Задача, которую предстоит решить, связана с грузоперевозками, или если быть точнее быстрыми почтовыми доставками. Она заключается в следующем. Имеется список заказов и список курьеров. Необходимо распределить и доставить товар курьеру так, чтобы он доставил каждый груз в назначенное место и в нужное время. Решение задачи непосредственно связано с использованием машинного обучения.
В работе будет проведён анализ методов МО для данной задачи и построение лучшей модели по получения наилучшего прогноза
✅ Заключение
В ходе работы были изучены средства языка Python, а также библиотека scikit-learn, для реализации методов машинного обучения. По результатам работы была определена наилучшая модель обучения выборки и предсказания заказов. Полученные результаты можно использовать в дальнейшем для более точных прогнозов. Решение поставленной задачи было полностью реализовано и может быть доработано с точки зрения задачи Коммивояжера или же использования других моделей машинного обучения. Данную программу можно использовать для разработки программного обеспечения по распределению грузов в каком-либо городе.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.