• Класифікатори
• регресія, регрессия

регресія логістична

Документи:

• Brovchenko, E. Method for protection of unstructured information on modern mobile platforms: Threat modelling and effectiveness analysis [Електронний ресурс] / E. Brovchenko, V. Samaraj // Інформаційні технології та комп'ютерна інженерія. – 2026. – Т. 23, № 1. – С. 60-71. – DOI: https://doi.org/10.31649/vitce/1.2026.60.
• Brovchenko, E. Method for protection of unstructured information on modern mobile platforms: Threat modelling and effectiveness analysis [Текст] / E. Brovchenko, V. Samaraj // Інформаційні технології та комп'ютерна інженерія. – 2026. – Т. 23, № 1. – С. 60-71. – DOI: https://doi.org/10.31649/vitce/1.2026.60.
• Kamal, A. A. Enhancing logistic regression model through AHP-initialized weight optimization using regularization and gradient descent adaptation: A comparative study [Текст] / A. A. Kamal, M. A. Mansor, M. S. Kasihmuddin // Mathematical Modeling and Computing. – 2025. – Vol. 12, № 1. – P. 132–143.
• Panibratov, R. Applying Bayesian networks in analysis of actuarial risks [Текст] / R. Panibratov, P. Bidyuk // Міжнародний науково-технічний журнал Проблеми керування та інформатики. – 2025. – № 3. – C. 33-44.
• Applying logistic regressiontomanagerial b2b decision-makingby modeling customerchurnin the construction materials sector [Текст] / V. Romanuke, L. Radzikhovska, L. Husak, S. Merinova // Міжнародний науково-технічний журнал Проблеми керування та інформатики. – 2026. – № 3. – P. 107-132.
• Методи й моделі оброблення даних бездротової сенсорної мережі для оцінювання стану стану рослин індукцією флуоресценції хлорофілу [Текст] / Г. В. Антонова, Груша, М. В [та ін.] // Кібернетика та системний аналіз. – 2026. – Т. 62, № 1. – С. 164-172.
• Арзубов, М. В. Розширення для пошуку і видалення шкідливої чи непотрібної інформації в інтернет-браузері [Текст] / М. В. Арзубов, Н. Б. Шаховська // Вісник Національного університету "Львівська політехніка". Серія : Інформаційні системи та мережі : збірник наукових праць / МОН України. – Львів : Львівська політехніка, 2015. – № 829. – С. 29-36.
• Бойко, Н. Дослідження алгоритмів машинного навчання для побудови математичних моделей задач класифікації мультимодальних даних (англ. мова) [Текст] / Н. Бойко // Computational Problems of Electrical Engineering. – 2021. – Vol. 11, № 2. – С. 1-11. – DOI: https://doi.org/10.23939/jcpee2021.02.001.
• Братасюк, Д. І. Прогнозування ризику замінування територій з використанням ансамблю моделей машинного навчання [Текст] / Д. І. Братасюк, Д. В. Федасюк // Вісник Вінницького політехнічного інституту. – 2026. – № 2 (185). – С. 40-47. – DOI: https://doi.org/10.31649/1997-9266-2026-185-2-40-47.
• Братасюк, Д. І. Прогнозування ризику замінування територій з використанням ансамблю моделей машинного навчання [Електронний ресурс] / Д. І. Братасюк, Д. В. Федасюк // Вісник Вінницького політехнічного інституту. – 2026. – № 2. – С. 40-47. – DOI: https://doi.org/10.31649/1997-9266-2026-185-2-40-47.
• Гуськова, В. Г. Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального аналізу даних [Текст] / В. Г. Гуськова, П. І. Бідюк // Системні дослідження та інформаційні технології. – 2019. – № 2. – С. 31-48.
• Давиденко, К. О. Виявлення потенціалу застосування нейромережних моделей у контексті обробки природної мови [Текст] / К. О. Давиденко, А. В. Заячковський, Р. В. Антипенко // Зв'язок. – 2025. – № 5. – С. 72-78.
• Комп’ютерне моделювання логістичної регресії для бінарної класифікації [Текст] / П. Кравець, В. Пасічник, М. Проданюк, Я. Кісь // Вісник Національного університету "Львівська політехніка". Інформаційніі системи та мережі. – 2024. – Iss. 16. – С. 167-190.
• Кузнєцова, Н. В. Інформаційні технології для аналізу фінансових зловживань на платформі ProZorro [Електронний ресурс] / Н. В. Кузнєцова // Наукові праці Вінницького національного технічного університету. – 2018. – № 1. – С. 1-6.
• Динамічне оцінювання ризиків і розробка антиризикових стратегій банківської діяльності [Текст] / Н. В. Кузнєцова, Ф. А. Чан, М. В. Самсонюк, М. В. Юрчук // Реєстрація, зберігання і обробка даних. – 2021. – Т. 23, № 1. – С. 23-37.
• Нарушинська, О. О. Застосування методів машинного навчання для мінімізації повернень товару в системах електронної комерції [Текст] / О. О. Нарушинська, В. М. Теслюк, П. Ю. Денисюк // Актуальні проблеми економіки. – 2017. – № 3. – С. 342-347.
• Олексів, І. Б. Логістична регресія як інструмент аналізування впливу переказів на економічне зростання (англ.м.) [Текст] / І. Б. Олексів, Д. Р. Мірзоєва // Management and Entrepreneurship in Ukraine: the stages of formation and problems of development. – 2020. – Vol. 2, № 2. – С. 127-132.
• Парамуд, Я. С. Алгоритмічно-програмні засоби розпізнавання рукописних символів на зображенні [Текст] / Я. С. Парамуд, В. І. Яркун // Вісник Національного університету "Львівська політехніка". Серія : Комп'ютерні системи та мережі. – 2017. – № 881. – C. 98-106.
• Попов, А. Порівняння ефективності методів імпутації відсутніх даних при створенні прогнозної моделі=Efficiency comparison of missing data imputation methods in predictive model creation [Текст] / А. Попов // Системні дослідження та інформаційні технології. – 2025. – № 1. – С. 32-43. – DOI: https://doi.org/10.20535/SRIT.2308-8893.2025.1.03.
• Шірінян, Л. В. Моделі діагностики ймовірності банкрутства страхових компаній України: порівняння дискримінантного аналізу та логістичної регресії [Текст] / Л. В. Шірінян, Г. О. Роганова // Фінанси України. – 2025. – № 11. – С. 100-115.