1. Валиахметова Ю.И., Идрисова Э.И. Применение методов машинного обучения в области прогнозирования объема продаж с учетом динамически изменяющихся признаков // StudNet. 2020. № 10. URL: https://esj.today/PDF/52ECVN622.pdf. EDN: GRCMQK
2. Бучацкая В.В., Бучацкий П.Ю., Лобанов В.Е. Анализ алгоритмов прогнозирования // Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. 2020. № 4(271). С. 49-52. EDN: KAOLTD
3. Ильичев В.Ю., Жукова Ю.М., Шамов И.В. Использование технологии градиентного бустинга для создания аппроксимационных моделей // Заметки ученого. 2021. № 12-1. С. 62-67. EDN: JPUAYV
4. Кирюшин Ю.Н., Михеев М.Ю. Построение деревьев решений при помощи градиентного бустинга // Современные информационные технологии. 2023 № 37(37). С. 40-43. EDN: BNPODV
5. Сухов А.А., Суханкин А.А. Сравнительный анализ лучших алгоритмов градиентного бустинга: CATBOOST, XGBOOST, LIGHT GBM. Рекомендации к их применению // Вызовы современности и стратегии развития общества в условиях новой реальности: сб. материалов XXIII Междунар. науч.-практ. конф. (Москва, 19 января 2024 г.). М.: АЛЕФ, 2024. С. 287-293. EDN: AKOAVR
6. Девришев Н.Э., Хэ Ю., Петросян О.Л. Обнаружение аномалий во временных рядах с помощью методов прогнозирования // Процессы управления и устойчивость. 2022. Т. 9, № 1. С. 202-209. EDN: LOQPGR
7. Жилинский В.О. Сравнение моделей машинного обучения для компенсации остаточной погрешности определения псевдодальности // Системы компьютерной математики и их приложения. 2023. № 24. С. 27-35. EDN: IEITNQ
8. Дьяконов И.Д., Новикова С.В. Решение задачи прогнозирования при помощи градиентного бустинга над решающими деревьями // Научный форум: Технические и физико-математические науки: сб. ст. по материалам XV Междунар. науч.-практ. конф. (Москва, 7-17 мая 2018 г.), т. 5(15). М.: МЦНО, 2018. С. 9-12. EDN: XOYHNR
9. Тимофеев А.В. Метод выбора гиперпараметров в задачах машинного обучения для классификации стохастических объектов // Научно-технический вестник информационных технологий, механики и оптики. 2020 Т. 20, № 5 С. 667-676. DOI: 10.17586/2226-1494-2020-20-5-667-676 EDN: ULVLDK
10. Калашников В.А., Иванов М.В. Использование данных для когортного анализа при прогнозировании макроэкономических показателей методами машинного обучения // Экономика: вчера, сегодня, завтра. 2022 Т. 12, № 8-1. С. 7-15. 10.34670/AR.2022. 31.65.002. DOI: 10.34670/AR.2022.31.65.002 EDN: WPGVNS
11. Астафьева Е., Турунцева М. Оценка качества краткосрочных прогнозов некоторых российских экономических показателей // Научный вестник ИЭП им. Гайдара.ру. 2019. № 1. С. 32-34. EDN: VZBZVC