Применение технологии машинного обучения для анализа вероятности выигрыша тендера на выполнение проекта
https://doi.org/10.15514/ISPRAS-2020-32(2)-3
Аннотация
Обоснована и показана на конкретном примере возможность применения технологии машинного обучения для решения задачи анализа проектов с целью поддержки принятия решения об участии в тендере на выполнение проекта. Изложены подходы и показан процесс решения задачи бинарной классификации проектов с использованием библиотек языка Python. Уделено внимание проблеме выбора алгоритма построения функции принадлежности, задаче формирования и анализа исходных данных, оценки точности решения. Показано, что для рассматриваемой задачи наилучшее решение обеспечивает алгоритм логистической регрессии.
Об авторах
Никита Борисович КУЛЬТИН
Санкт-Петербургский политехнический университет Петра Великого
Россия
Кандидат технических наук, доцент кафедры управления
Россия
Кандидат технических наук, доцент кафедры управления
Данила Никитич КУЛЬТИН
Санкт-Петербургский политехнический университет Петра Великого
Россия
Аспирант Института информационных технологий и управления
Россия
Аспирант Института информационных технологий и управления
Роман Владимирович БАУЭР
Аспирант Института информационных технологий и управления
Россия
Студент магистратуры
Россия
Студент магистратуры
Список литературы
1. Konstantinov G.N. Strategic management: concepts. Moscow, Business-alignment, 2009, 239 p. (in Russian) / Константинов Г.Н. Стратегический менеджмент: концепции. — М.: Бизнес-элайнмент, 2009, 239 стр.
2. Principles of Machine Learning. Microsoft, 2018. Available at: https://www.edx.org/course/principles-machine-learning-microsoft-dat203-2x-6.
3. Training on tagged data. Moscow Institute of Physics and Technology, Yandex School of Data Analysis. Coursera, 2018. Available at: https://www.coursera.org/learn/supervised-learning (in Russian) / Курс “Обучение на размеченных данных”. МФТИ, Яндекс.
4. Machine Learning. Yandex School of Data Analysis, Moscow Institute of Physics and Technology, 2018. Available at: http://lectoriy.mipt.ru/course/MachineLearning-L (in Russian) / Курс “Машинное обучение”. Яндекс, МФТИ, 2018.
5. Mathematics and Python for data analysis. Moscow Institute of Physics and Technology, Yandex School of Data Analysis. Coursera. 2018. Available at: https://www.coursera.org/learn/mathematics-and-python (in Russian) / Курс “Математика и Python для анализа данных”. Яндекс, МФТИ, 2018.
6. Vorontsov K.V. Mathematical teaching methods on precedents (machine learning theory), 2018. (in Russian) Available at: http://www.machinelearning.rU/wiki/images/6/6d/Voron-ML-1.pdf / Воронцов К. Математические методы обучения по прецедентам (теория обучения машин), 2018.
7. Min-Yuan Cheng, Nhat-Duc Hoang. Interval estimation of construction cost at completion using least squares support vector machine, Journal of Civil Engineering and Management, vol. 20, no. 2, 2014, pp. 223-236.
8. Min-Yuan Cheng, Nhat-Duc Hoang. Dynamic prediction of project success using evolutionary support vector machine inference model. In Proc. from the 25th International Symposium on Automation and Robotics in Construction, 2008, pp 452-458.
9. ScikitLearn, Scikit-learn developers (BSD License), 2007 - 2017. Available at: http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression.
10. Kaftannikov I.L., Parasich A.V. Problems of Training Set’s Formation in Machine Learning Tasks. Bulletin of the South Ural State University. Series Computer Technologies, Automatic Control, Radio Electronics, vol. 16, no. 3, 2016, pp. 15–24. (in Russian) / Кафтанников И.Л., А.В. Парасич. Проблемы формирования обучающей выборки в задачах машинного обучения. Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника, том 16, no. 3, 2016 г., стр. 15-24.
Рецензия
Для цитирования:
КУЛЬТИН Н.Б., КУЛЬТИН Д.Н., БАУЭР Р.В. Применение технологии машинного обучения для анализа вероятности выигрыша тендера на выполнение проекта. Труды Института системного программирования РАН. 2020;32(2):29-36. https://doi.org/10.15514/ISPRAS-2020-32(2)-3
For citation:
KULTIN N.B., KULTIN D.N., BAUER R.V. Application of machine learning technology to analyze the probability of winning a tender for a project. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2020;32(2):29-36. https://doi.org/10.15514/ISPRAS-2020-32(2)-3
Послать статью по эл. почте 