Журнал "Программная инженерия"
Теоретический и прикладной научно-технический журнал
ISSN 2220-3397

Номер 12 2025 год

DOI: 10.17587/prin.16.612-621
УДК: 004.85, 519.685.1
О тройном алгоритме VAW с масштабированием для многоядерной онлайн линейной регрессии
О. В. Гуртовая, аспирант, imedashvili@sfedu.ru, Институт математики, механики и компьютерных наук, Южный федеральный университет, Ростов-на-Дону

Представлен трехуровневый алгоритм Вовка—Азури—Вармута (S-VAW2), разработанный для решения задач регрессии в онлайн-режиме. Такой алгоритм развивает подход двухуровневого алгоритма Вовка—Азури—Вармута (VAW2), сочетая многоядерное обучение со стратегиями масштабирования данных. Основная цель работы — сравнительный анализ производитель­ности S-VAW2 с системой автоматизированного машинного обучения AutoGluon-Tabular на 13 разнообразных табличных наборах данных. Эксперименты показали, что S-VAW2 способен эффективно адаптироваться к разнородности данных и демонстрирует конкурентоспособные результаты по сравнению с передовыми AutoML-решениями.

Ключевые слова: алгоритм Вовка—Азури—Вармута, мультиядерное обучение, автоматизированное машинное обучение, онлайн-обучение, случайные признаки Фурье, AutoGluon, регрессия, онлайн-регрессия, экспертные предсказания
Стр. 612—621
Ссылка для цитирования:
Гуртовая О. В. О тройном алгоритме VAW с масштабированием для многоядерной онлайн линейной регрессии // Программная инженерия. 2025. Том 16, № 12. С. 612—621. DOI: 10.17587/prin.16.612-621.