Сравнение производительности различных подходов в задаче классификации
Ключевые слова:
программная инженерия, задача классификации, Python, C#, анализ производительностиАннотация
В статье рассмотрены различные подходы в решении задачи классификации, реализована нейронная сеть для классификации типов номеров отелей, проведен анализ производительности работы регулярных выражений и нейронных сетей, построены графики зависимости скорости классификации больших объемов данных от выбранного алгоритма, сделаны выводы о целесообразности и уместности применения различных подходов. Сделан вывод, что подход с применением нейронной сети обрабатывает данные значительно быстрее, однако требует дополнительных ресурсов для внедрения.
Библиографические ссылки
Мартин, Р. С. Чистый код: создание, анализ и рефакторинг. Библиотека программиста / Р. С. Мартин. — СПб.: Питер, 2013. — 464 с.: ил.
Суркова, Н. Е. Методология структур-ного проектирования информационных систем: Монография / Н. Е. Суркова, А. В. Остроух. — Красноярск: Научно-инновационный центр, 2014. — 190 с.
Бейли, Л. Изучаем SQL / Л. Бейли. — СПб.: Питер, 2012. — 592 с.: ил.
Шилдт, Г. C# 4.0: полное руководство. — М.: Вильямс, 2011. — 1056 с.
Стивенс, Э. PyTorch. Освещая глубокое обучение / Э. Стивенс, Л. Антига, Т. Виман. — СПб.: Питер, 2022. – 576 с.: ил.
Общие сведения о минимальных API [Электронный ресурс] / Интернет-Ресурс. - Режим доступа: https://learn.microsoft.com/ru-ru/aspnet/core/fundamentals/minimal-apis?view=aspnetcore6.0&viewFallbackFrom=aspnetcore-2.0
Введение в PyTorch [Электронный ресурс] / Интернет-Ресурс. - Режим доступа: https:// pythonist.ru/vvedenie-v-pytorch/?ysclid=lv3j7of2o1668414893
Официальная документация PyTorch [Электронный ресурс] / Интернет-Ресурс. - Режим доступа: https://pytorch.org/docs/stable/index.html
Джонсон, Д. Учебное пособие по PyTorch: регрессия, пример классификации ихобраэений [Электронный ресурс] / Д. Джонсон. / Интернет-Ресурс. - Режим доступа: https://www.guru99.com/ru/pytorch-tutorial.html
Лонца, А. Л. Алгоритмы обучения с подкреплением на Python / А. Л. Лонца / пер. с англ. А. А. Слинкина. – М.: ДМК Пресс, 2020. – 286 с.: ил.
