Лівінська Ганна ВолодимирівнаЛопуляк Жанна Ярославівна2023-04-182024-05-142023-04-182021Лопуляк Ж. Я. Застосування методів машинного навчання для передбачення затримок авіарейсів : дипломна робота ... бакалавра : 122 Комп’ютерні науки / Лопуляк Жанна Ярославівна. - Київ, 2021. - 59 с.https://ir.library.knu.ua/handle/123456789/3192У ході роботи було зібрано дані про перельоти, здійснені українськими авіалініями протягом останніх трьох років. На основі цих даних було побудовано сім моделей машинного навчання та проведено порівняльний аналіз їхньої якості. Вдалося побудувати моделі, які не перетреновуються, тобто точність на тестових даних майже не відрізняється від точності на тренувальних. Було визначено, що для нашої задачі найкращу класифікацію здійснює bagging модель, при застосуванні якої точність на тестових даних сягає 97%. Окрім того, було виявлено, що більшість рейсів затримуються на короткий проміжок часу при вильоті і значна частина з них прилітає вчасно. Моделі машинного навчання краще передбачають тривалі затримки і гірше – короткі. Це спричинено тим, що на короткі затримки впливають значно більше факторів, аніж наявні в нашому наборі даних. До таких факторів можуть належати завантаженість аеропорту, вчасність прильоту лайнеру з попереднього рейсу, непередбачувані поломки та інше. Звісно, всі подібні фактори врахувати неможливо. Проте, критично погана погода з високою ймовірністю гарантує тривалу затримку рейсу, тому і точність передбачення тривалої затримки більша. Застосовувати моделі для передбачення можна за наявності прогнозу погоди на час запланованого вильоту рейсу. Неточності прогнозу погоди погіршуватимуть якість прогнозу моделей, тому якість буде тим вища, коли передбачення робиться за короткий період перед запланованим вильотом.uaБакалаврська робота