Зинькевич, И. Э.Кириченко, Л. О.Радивилова, Т. А.2017-04-102017-04-102017И.Э. Зинькевич. Сравнительный анализ методов прогнозирования слабо коррелированных временных рядов. //И.Э. Зинькевич, Л.О. Кириченко, Т.А.Радивилова / Системні технології. Регіональний міжвузівський збірник наукових праць. – Випуск 2 (109). - Дніпро, 2017. – С.43-50.1562-9945http://openarchive.nure.ua/handle/document/3605Результаты исследования методов прогнозирования слабо коррелированных временных рядов, типичных для рядов конверсии в электронной коммерции, показали, что экспоненциальное сглаживание является самым простым, быстрым и удобным в настройке методом прогнозирования, однако в случае сложных или долгосрочных зависимостей становится не применим. Метод дерева решений быстрый в обучении, не сложен для понимания, но неудобен в выборе параметров и плохо работает при обучении на данных, которые имеют много признаков. Нейронная сеть является громоздкой, долгой в обучении, требует множества параметров, которые нужно подбирать, но имеет очень хорошие показатели в прогнозировании и на порядок меньшие ошибки.В работе рассмотрено прогнозирование слабо коррелированных временных рядов методами экспоненциального сглаживания, нейронной сети и дерева решений на примере данных реального интернет-магазина. Рассмотрены преимущества и недостатки каждого метода.ruвременной рядпрогнозированиеэкспоненциальное сглаживаниедерево принятия решенийArticle