Značaj dobrovoljnog ispunjavanja poreznih obveza kroz sustav CRMS

Slučajna šuma (engl. random forest ) je algoritam strojnog učenja koji se sastoji od velikog broja stabala odlučivanja. Na taj način točnost predviđanja modela može se značajno povećati. Najnaprednija tehnika prediktivne analitike algoritmi su neuronskih mreža dizajni rani za identifikaciju osnovnih odnosa unutar skupa podataka oponašajući način na koji ljudski um djeluje. Umjetna neuronska mreža dvostupanjski je regresijski ili klasifika cijski model, koji se temelji na strukturi i funkcijama bioloških neuronskih mreža. Jed nostavna neuronska mreža, obično predstavljena mrežnim dijagramom, uključuje ulazni sloj koji prima podatke iz vanjskih izvora, jedan ili više skrivenih slojeva koji obrađuju podatke, i izlazni sloj. Slojevi su povezani čvorovima. Pomoću algoritama neuronske mreže mogu prepoznati skrivene obrasce i odnose u podatcima, grupirati ih i klasificirati te kontinuirano učiti i poboljšavati tijekom vremena. Algoritmi klasteriranja (engl. clustering algorithms ) metode su učenja bez nadzora. Nekoliko uobičajenih algoritama klasteriranja jesu: K- means , srednji pomak i očekivanje maksimizacija. Oni grupiraju točke podataka prema sličnim ili zajedničkim karakteristi kama. Tehnike grupiranja posebno su korisne u aplikacijama u kojima postoji potreba za segmentiranjem ili kategorizacijom velikih količina podataka.

Shema 6. Tehnike strojnog učenja Izvor: Molodoria (2022)

5.1.3. Analiza društvenih mreža Analiza društvenih mreža (SNA), koja se razvila iz konjunkture antropologije i teo rije matematičkih grafova, danas se primjenjuje u širokom rasponu područja i disciplina: fizici, biologiji, epidemiologiji, kao i ekonomiji i politici. SNA se usredotočuje na odnose ( veze ili rubove ) među akterima ( čvorovima ). Akteri u mreži mogu biti pojedinci, organizacije (tvrtke, institucije...), zemlje itd. Postoje dvije

Značaj dobrovoljnog ispunjavanja poreznih obveza kroz sustav za analizu rizika (CRMS)

29