Преимущество статистических моделей типа «вход-выход» заключается в том, что их можно относительно легко построить и применить, но с другой стороны, недостатком таких моделей является то, что они не раскрывают внутреннюю природу наблюдаемого явления. Концептуальные модели, преимущество которых заключается в прозрачности функционирования, но правильность которых иногда трудно доказать.

Искусственный интеллект предлагает методы машинного обучения на примерах, которые устраняют недостатки как статистических, так и концептуальных подходов и объединяют их преимущества. В этой книге представлен комплексный эксперимент по моделированию на основе деревьев регрессии.

Деревья регрессии были использованы для решения практической задачи построения модели прогнозирования стока на основе известных данных о текущем и прошлом стоке на водомерных постах и осадках на дождеприемниках в пределах водосборного бассейна. Результаты, основанные на аппроксимации и точности прогнозирования, полученные с помощью деревьев регрессии, затем сравниваются с другими методами DDM, а именно с искусственными нейронными сетями, гауссовскими процессами, регрессиями векторов поддержки и множественными линейными регрессиями.

Книга обязательна к прочтению для исследователей, работающих в области моделирования, управляемого данными. .