<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Інформаційна технологія аналізу та передбачення рівнів задоволеності пасажирів авіакомпаніями

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

У роботі розроблено інформаційну технологію аналізу та передбачення рівнів задоволеності пасажирів авіакомпаніями з використанням методів машинного навчання та багатошарових нейронних мереж.
The paper develops an information technology for analyzing and predicting airline passenger satisfaction levels using machine learning methods and multilayer neural networks. The data from the Airline Passenger Satisfaction dataset were analyzed, and the results of the XGBoost, GPC, Ridge, and neural network models of different depths were compared.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Крижановський Є. М., Судець А. О., Штельмах І. М. Інформаційна технологія аналізу та передбачення рівнів задоволеності пасажирів авіакомпаніями // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/26305.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (3)

  1. TJ Klein. Kaggle Dataset «Airline Passenger Satisfaction» [Електронний ресурс] – Режим доступу: Airline Passenger Satisfaction (kaggle.com)
  2. Наука про дані: машинне навчання та інтелектуальний аналіз даних: електронний навчальний посібник комбінованого (локального та мережевого) використання [Електронний ресурс] / В. Б. Мокін, М. В. Дратований – Вінниця: ВНТУ, 2024. – 258 с. – Режим доступу: https://docs.vntu.edu.ua/card.php?id=8163
  3. Qiang Li, Ranzhe Jing, Xihua Zhu, Determinants of travel satisfaction for commercial airlines: A data mining approach, Engineering Applications of Artificial Intelligence, Volume 133, Part https://doi.org/10.1016/j.engappai.2024.108597