Report
ЭВОЛЮЦИЯ МЕТОДОВ АНАЛИЗА ДАННЫХ: ОТ ТРАДИЦИОННОЙ СТАТИСТИКИ К МАШИННОМУ ОБУЧЕНИЮ
| Τίτλος: | ЭВОЛЮЦИЯ МЕТОДОВ АНАЛИЗА ДАННЫХ: ОТ ТРАДИЦИОННОЙ СТАТИСТИКИ К МАШИННОМУ ОБУЧЕНИЮ |
|---|---|
| Στοιχεία εκδότη: | Вестник науки, 2025. |
| Έτος έκδοσης: | 2025 |
| Θεματικοί όροι: | вычислительная статистика, традиционная статистика, интерпретируемость моделей, классификация, data analysis, регрессионный анализ, data mining, машинное обучение, traditional statistics, computational statistics, regression analysis, hybrid methods, interpretability of models, clusterization, интеллектуальный анализ данных, machine learning, classification, big data, анализ данных, проверка гипотез, hypothesis testing, большие данные, кластеризация, гибридные методы |
| Περιγραφή: | Article analyzes the evolution of data analysis methods, covering the period from traditional statistics to modern machine learning approaches. The fundamental principles and tools of classical statistics, including methods of descriptive and inferential statistics, as well as regression and correlation analysis, are considered. The role of computational statistics and data mining as intermediate stages on the way to new technologies is demonstrated. Special attention is paid to machine learning, its various types, characteristic features and advantages in analyzing large and complex datasets. The key differences and complementary properties of statistics and machine learning are highlighted. The current trend of integrating these approaches within the framework of hybrid data analysis methods is highlighted, which makes it possible to achieve higher accuracy, interpretability and adaptability of analytical models. В статье проанализирована эволюция методов анализа данных, охватывающая период от традиционной статистики до современных подходов машинного обучения. Рассмотрены фундаментальные принципы и инструменты классической статистики, включая методы описательной и инференциальной статистики, а также регрессионный и корреляционный анализ. Продемонстрирована роль вычислительной статистики и интеллектуального анализа данных в качестве промежуточных этапов на пути к новым технологиям. Особое внимание уделено машинному обучению, его различным видам, характерным особенностям и преимуществам при анализе больших и сложных наборов данных. Подчеркнуты ключевые различия и взаимодополняющие свойства статистики и машинного обучения. Освещена современная тенденция интеграции этих подходов в рамках гибридных методов анализа данных, что позволяет достичь более высокой точности, интерпретируемости и адаптивности аналитических моделей. |
| Τύπος εγγράφου: | Research |
| DOI: | 10.24412/2712-8849-2025-687-1249-1264 |
| Rights: | CC BY |
| Αριθμός Καταχώρησης: | edsair.doi...........d50a76f8fba650ff373ec182cd166b0b |
| Βάση Δεδομένων: | OpenAIRE |
| DOI: | 10.24412/2712-8849-2025-687-1249-1264 |
|---|