Огарёв-online

В статье рассматривается создание модели машинного обучения для решения задачи классификации грунтов с использованием ансамбля случайных деревьев решений (случайного леса) для автоматизации определения с максимальной точностью категорий грунтов на основе имеющихся о них данных, включающих такие характеристики как плотность, влажность, фракционный состав и прочие. Также представлен пользовательский интерфейс разработанной программно-информационной системы для проведения предсказательной аналитики с помощью полученной модели.

APPLYING RANDOM FOREST ALGORITHM FOR AUTOMATING CLASSIFICATION OF SOIL CATEGORIES

The article discusses the creation of a machine learning model to solve the problem of soil classification using an ensemble of random decision trees (random forest) to automate the determination of soil categories with maximum accuracy based on the data available about them, including such characteristics as soil density, humidity, fractional composition and others. The user interface of the developed software and information system for conducting predictive analytics using the resulting model is also presented.