| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Mašīnmācīšanās izmantošana inflācijas rādītāju prognozēšanai no tīmeklī izgūtiem datiem |
| Nosaukums angļu valodā |
Application of Machine Learning to Forecast Inflation Using Web-Scraped Data |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Egons Lavendelis |
| Recenzents |
Larisa Survilo |
| Anotācija |
Bakalaura darba mērķis ir realizēt uz laikrindu mašīnmācīšanās paņēmieniem balstītu inflācijas datu prognozēšanas prototipu, piedāvājot regulāri atjaunojamus inflācijas rādītājus, kas uzlabotu ekonomisko analīzi un prognozējumus.
Darbā tika padarīts sekojošs: tika apskatīta inflācija, tās faktori, aspekti, kā tā tiek veidota; tika izanalizēti un salīdzināti izmantojamie inflācijas prognozēšanas paņēmieni; tika definēti laikrindas mašīnmācīšanās pamatjēdzieni un tās specifikas; tika izanalizēti un salīdzināti laikrindas mašīnmācīšanās modeļu realizācijas; tika izanalizēti un salīdzināti rīki no tīmekļa datu izgūšanai; tika veikta prognozēšanas prototipa izveide, prognožu rezultātu validācija un novērtēšana. Datu izgūšanai tika izmantota Python BeatifulSoup bibliotēka un Latvijas inflācijas prognozēšanai tika izmantots SARIMAX modelis. Pēc datu apstrādes modelēšanā tika iekļauti 43 faktori no Latvijas dzīvošanas izmaksu rādītājiem un degvielu cenām. Pēc modelēšanas tika veikta RW-AO, STIP un SARIMAX modeļu prognozēšanu spēju salīdzināšana, kur SARIMAX parādīja labākus rezultātus nekā RW-AO, savukārt STIP parādīja labākus rezultātus nekā SARIMAX. |
| Atslēgas vārdi |
inflācija, prognozēšana, mašīnmācīšanās, laikrindas, datu izgūšana no tīmekļa |
| Atslēgas vārdi angļu valodā |
inflation, forecasting, machine learning, time series, web scraping |
| Valoda |
lv |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
28.05.2024 21:08:43 |
