Підхід для покращення точності предиктивних моделей за рахунок інженерії ознак з оцінкою невизначеності

Abstract

У роботі запропоновано підхід для покращення точності передбачення давності синців з використанням оцінки невизначеності. Було застосовано байєсовий підхід для оцінки невизначеності передбачень і ці оцінки було інтегровано в модель градієнтного бустингу як додаткові ознаки. Запропонований підхід дозволив покращити модель градієнтного бустингу на 8% порівняно з моделлю, побудованою виключно на оригінальних даних. Робота демонструє, що оцінка невизначеності дозволяє не лише краще розуміти отримані результати, але й має потенціал для покращення точності предиктивних моделей.

The paper proposes an approach to improve the accuracy of bruise age prediction using uncertainty estimation. A Bayesian approach was applied to estimate the uncertainty of the predictions, and these estimates were integrated into the gradient boosting model as additional features. The proposed approach allowed us to improve the gradient boosting model by 8% compared to the model built solely on the original data. The work demonstrates that uncertainty estimation not only allows for a better understanding of the results, but also has the potential to improve the accuracy of predictive models.