ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Моделювання стану розвитку будівельного сектора країн ЄС методом дерев класифікації
Орєхова Т. Є., Чаговець Л. О.

Орєхова Т. Є., Чаговець Л. О. Моделювання стану розвитку будівельного сектора країн ЄС методом дерев класифікації. Бізнес Інформ. 2026. №1. C. 125–134.
https://doi.org/10.32983/2222-4459-2026-1-125-134

Розділ: Економіко-математичне моделювання

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 004.94

Анотація:
У статті розглянуто питання моделювання стану розвитку будівельного сектора країн Європейського Союзу методом дерев класифікації. На основі попереднього дослідження тенденції динаміки будівництва за 2015–2024 рр. виявлено, що розвиток будівельного сектора в межах Європейського Союзу має неоднорідний характер, значною мірою залежить від структури сегментів діяльності, знаходиться під впливом низки факторів і ситуації на ринку в умовах сучасної економічної нестабільності, а отже, перебуває у стані стагнації. Для його подолання одним із ключових напрямів визначено розвиток інновацій та цифрових технологій. У цьому сенсі набуває актуальності упровадження сучасних методів моделювання стану розвитку будівельного сектора країн ЄС методами машинного навчання у процес розробки економічних стратегій. У статті описано етапи побудови моделі з використанням методу дерев класифікації, зокрема алгоритму CART, який є одним із найбільш поширених методів у сфері інтелектуального аналізу даних і результативним засобом для побудови аналітичних моделей, здатних на основі вхідних даних формувати ефективні рішення, у тому числі визначити, у якому стані (високому, достатньому або середньому) перебуває будівельний сектор країн ЄС. У результаті проведеного дослідження отримано правила розпізнавання стану будівельного сектора країн ЄС з віднесенням країн до певного кластера, що допоможе спрогнозувати подальший стан будівельного сектора. Висока якість побудованої моделі класифікації підтверджує можливість розподілу країн ЄС на основі побудованого дерева на три кластери з високим, достатнім або середнім станом розвитку будівельного сектора. Одержані результати свідчать про те, що всі аналізовані країни ЄС було правильно класифіковано відповідно до встановлених правил дерева: розподіл продемонстрував високу якість розпізнання об’єктів за побудованою моделлю.

Ключові слова: модель, дерева класифікації та регресій, дерева рішень, моделі Data Science, алгоритм CART, сталий розвиток, країни ЄС, будівельний сектор.

Рис.: 8. Формул: 2. Бібл.: 25.

Орєхова Тетяна Євгенівна – магістрант, Харківський національний економічний університет ім. С. Кузнеця (пр. Науки, 9а, Харків, 61166, Україна)
Email: [email protected]
Чаговець Любов Олексіївна – кандидат економічних наук, доцент, доцент, кафедра економічної кібернетики і системного аналізу, Харківський національний економічний університет ім. С. Кузнеця (пр. Науки, 9а, Харків, 61166, Україна)
Email: [email protected]

Список використаних у статті джерел

Білецький І. В. Ключові характеристики та структура ринку житлової нерухомості в поточних умовах. Бізнес Інформ. 2022. № 7. С. 149–154. DOI: https://doi.org/10.32983/2222-4459-2022-7-149-154
Возняк Г. В. Сучасні механізми фінансування будівництва житла в Україні: проблеми та шляхи вирішення. Бізнес Інформ. 2019. № 8. С. 111–116. DOI: https://doi.org/10.32983/2222-4459-2019-8-111-116
Данилюк М., Дмитришин М. Зелене будівництво у досягненні сталого регіональному розвитку. Актуальні проблеми розвитку економіки регіону. 2020. Вип. 16 (1). С. 153–162. DOI: https://doi.org/10.15330/apred.1.16.153-162
Дорошенко В. Теоретико-методичні підходи до визначення поняття “Зелене будівництво”. Актуальні проблеми розвитку економіки регіону. 2018. № 2 (14). С. 31–38. DOI: https://doi.org/10.15330/apred.2.14.31-38
Дуляба Н. І., Жишко Р. Р. Особливості розвитку конкурентного середовища в будівельній сфері. Економіка та суспільство. 2024. Вип. 68. DOI: https://doi.org/10.32782/2524-0072/2024-68-106
Жовтяк Г., Богданов Р. Розвиток потенціалу будівельних підприємств в умовах цифровізації. Економіка та суспільство. 2025. Вип. 75. DOI: 10.32782/2524-0072/2025-75-64
Козаченко Г. В., Погорелов Ю. С. Будівництво в Україні: стартові умови розвитку. Бізнес Інформ. 2025. № 4. С. 265–279. DOI: https://doi.org/10.32983/2222-4459-2025-4-265-279
Корепанов О. С. Лазебник Ю. О. Ковтун В. С. Застосування методів багатовимірного аналізу для моделювання регіонального економічного розвитку: роль будівельної галузі в умовах сучасних викликів. Вісник Харківського національного університету імені В. Н. Каразіна. Серія «Економічна». Вип. 107. 2024. С. 19–32. DOI: 10.26565/2311-2379-2024-107-02
Кононова О. Є. Ефективність стратегій розвитку будівельної галузі : монографія. Херсон : Олді+, 2020. 432 c.
Лопатка С. С. Особливості зміцнення конкурентних позиції підприємств будівельного сектора країн ЄС. Академічні візії, 2024. Вип. 31. DOI: https://doi.org/10.5281/zenodo.15454095
Євростат. URL: https://ec.europa.eu/eurostat
Скрипник Н.; Захарченко Б. Формування траєкторії розвитку світової будівельної галузі у контексті реалізації політики зеленого курсу. Галицький економічний вісник. 2024. № 6 (91). С. 180–191. DOI: https://doi.org/10.33108/galicianvisnyk_tntu2024.06.180
Хаустова В. Є., Крячко Є. М., Бондаренко Д. В. Моделювання впливу факторів цифровізації на економічний розвиток країн світу. Проблеми економіки. 2024. № 2 (60). С. 61–73. DOI: https://doi.org/10.32983/2222-0712-2024-2-61-73
Чернишев Д. О., Київська К. І., Цюцюра С. В., Цюцюра М. І., Гоц В. В. Впровадження технології моделювання інформаційних об’єктів на етапах життєвого циклу. Управління розвитком складних систем. 2019. Вип. 40. С. 140–146. DOI: 10.6084/m9.figshare.11969076
Шандрік В. І. Трансформація публічного управління будівельною галуззю на засадах цифровізації: європейський та український досвід : автореф. дис. … докт. наук з держ. упр. : 25.00.02 Київ, 2024. 41 с. URL: https://er.kai.edu.ua/items/84d2da13-2515-463d-b79d-6dda4ece04f0
Яковенко О. С. Особливості формування стратегічних пріоритетів розвитку будівельної галузі. Бізнес Інформ. 2024. № 6. С. 376–381. DOI: https://doi.org/10.32983/2222-4459-2024-6-376-381
Bousfield L., Tokbolat S., Demian P. Evaluating the current state of digitalisation of the UK construction industry. Data-Centric Structural Health Monitoring: Mechanical, Aerospace and Complex Infrastructure Systems / ed. by Mohammad Noori, Fuh-Gwo Yuan and Ehsan Noroozinejad Farsangi, Berlin, Boston : De Gruyter, 2023. P. 237–258. URL: https://hdl.handle.net/2134/24032136
CART (Classification And Regression Tree) in Machine Learning. URL: https://www.geeksforgeeks.org/machine-learning/cart-classification-and-regression-tree-in-machine-learning/
Decision Tree in Machine Learning. URL: https://itwiki.dev/data-science/ml-reference/ml-glossary/decision-tree-in-machine-learning
Saul Dobilas. CART: Classification and Regression Trees for Clean but Powerful Models. URL: https://towardsdatascience.com/cart-classification-and-regression-trees-for-clean-but-powerful-models-cc89e60b7a85/
Nwanganga F., Chapple М. Practical Machine Learning in R Indianapolis: John Wiley & Sons, Inc., 2020. 440 p. DOI: https://doi.org/10.1002/9781119591542
Liu Z. Decision Trees. Artificial Intelligence for Engineers. Springer, Cham. 2025. DOI: https://doi.org/10.1007/978-3-031-75953-6_4
Lantz B. Machine Learning with R. Learn techniques for building and improving machine learning models, from data preparation to model tuning, evaluation, and working with Big Data – Fourth Ed. Helion S.A., Packt Publishing : Birmingham, 2023. 684 p.
Geron A. Uczenie maszynowe z uzyciem Scikit-Learn, Keras i TensorFlow / Tlumaczenie Krzysztof Sawka. Wyd. III. Helion S. A.: Gliwice, 2023. 776 s.
Sun J., Jiang N., Sun G., Huang W. Analysis of CART Algorithms in Data Mining. 2023 2nd International Conference on Machine Learning, Cloud Computing and Intelligent Mining (MLCCIM). Jiuzhaigou, China, 2023. P. 548–553. DOI: https://doi.org/10.1109/MLCCIM60412.2023.00088

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру