інтелектуальний аналіз даних, модель прогнозування, k-nearest neighbors, decision tree, gradient boosting, random forest, метрики точності, Automation, T59.5

Робота присвячена аналізу та прогнозуванню успішності стартапів. Метою є виявлення факторів, що впливають на можливості фінансування старапу, а також розробка моделей для прогнозування його успіху і майбутніх тенденцій. У роботі проведено ґрунтовний аналіз історичних даних стартапів з різних країн, їх показники фінансування та пройдені віхи розвитку. Дослідження базувалось на даних за більш ніж 100 років. Для прогнозування виживання стартапів на ринку обрано чотири моделі: Random Forest, k-Nearest Neighbors (kNN), Decision Tree та Gradient Boosting. Основною метрикою для визначення точності моделі у цьому дослідженні є зважена F-міра. На основі отриманих результатів можна зробити висновок, що найоптимальнішим методом для прогнозування успішності стартапу є модель Random Forest, хоча й інші моделі дали не набагато гірший результат. Аналіз факторів, що впливають на успішність стартапів, є критично важливим для розробки стратегій їх підтримки та розвитку. Отримані результати можуть бути використані як інвесторами, так і самими компаніями для прийняття більш обґрунтованих рішень та розробки ефективних стратегій. Очікується, що результати дослідження дозволять отримати глибше розуміння майбутніх перспектив цих компаній. Бібл. 9, іл. 13, табл. 1