Comparing the performance of different approaches in a classification task
Keywords:
software engineering, classification problem, Python, C#, performance analysisAbstract
The article considers various approaches to solving the classification problem, implements a neural network for classifying hotel room types, analyzes the performance of regular expressions and neural networks, plots the dependence of the classification rate of large amounts of data on the chosen algorithm, and concludes on the expediency and appropriateness of using various approaches. It is concluded that the neural network approach processes data much faster, but requires additional resources for implementation.
References
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.