Статья

Эмпирически доказывается возможность применения методов машинного обучения для классификации периодического сигнала на фоне гауссовского белого шума. Представлен сравнительный анализ реализации алгоритмов машинного обучения  дерево решений и логи-стическая регрессия. Для оценки качества моделей использовалась метрика качества ROC-кривая. Метрика показала, что полученные модели успешно справляются с задачей обнаружения сигнала на фоне гауссовского белого шума на данных выборках