Дата поступления рукописи в редакцию: 24.03.2023.
Дата принятия рукописи в печать: 19.04.2023.
Актуальность состоит в том, что для формирования прогноза экономического развития предприятий реального сектора экономики на практике в условиях рыночной неопределенности все чаще используются системы искусственного интеллекта. Для прогнозирования экономической эффективности, в частности такого показателя, как чистая прибыль АО «Каустик», была использована сформированная модель машинного обучения ML RandomForestRegressor, что позволило успешно решить сложную проблему.
Цель работы — сформировать прогнозное значение параметра «чистая прибыль» на основе использования датасета — обучающего множества, представляющего собой некоторую совокупность вариационных рядов факториальных признаков, включенных в ML-модель RandomForestRegressor.
Научная новизна состоит в том, что разработана модель машинного обучения «Случайный лес» (RandomForestRegressor), с помощью которой было сформировано прогнозное значение величины результативного признака «Чистая прибыль».
Использование системы искусственного интеллекта — ML-модели RandomForestRegressor имеет важное значение в современных условиях. Глубокие трансформационные процессы, обусловленные переходом на применение технологий и бизнес-процессов «Индустрия 4.0», усиление рыночной неопределенности под действием экономического санкционного давления приводят к необходимости использования уникальных возможностей AI-систем, которые находят все более широкое применение с развитием диджитализации экономики.
В России существуют множество экономических проблем, которые мешают развитию страны. Одной из главных проблем является низкий уровень инвестиций, что снижает конкурентоспособность российской экономики на мировом рынке. Кроме того, недостаток квалифицированных кадров и высокие налоги также являются серьезными препятствиями для экономического развития.