Система прогнозирования участников государственных закупок по федеральным законам № 44-ФЗ и № 223-ФЗ

Анализ государственных закупок может быть весьма полезен предприятию-поставщику для понимания конкурентной среды размещаемых заказов и, как следствие, принятия решений, направленных на повышение эффективности закупочной деятельности. Данная статья посвящена созданию модуля прогнозирования, позволяющего получать оценки вероятности участия в электронных государственных закупках по федеральным законам № 44-ФЗ и № 223-ФЗ предприятий-поставщиков, имеющихся в информационной базе системы поиска тендеров. В рамках проекта были реализованы сценарии очистки исходных данных о закупках, конструирования входных признаков для модели прогнозирования, анализа зна-чимости и отбора этих признаков; выполнено построение и обучение модели логистической регрессии. В дальнейшем предполагается интеграция разработанного модуля с системой поиска и анализа тендеров MetaTender.

Аналитическая платформа Loginom. URL: https://loginom.ru/ (дата обращения: 05.07.2021).
Госзаказ.ру. URL: https://gozakaz.ru (дата обращения: 05.07.2021).
Единая информационная система в сфере закупок. URL: https://zakupki.gov.ru/epz/main/ public/home.html (дата обращения: 05.07.2021).
Конечные классы. URL: https://help.loginom.ru/userguide/visualization/coarse-classes/ (дата обращения: 05.07.2021).
Коэффициент IV. URL: https://wiki.loginom.ru/articles/coefficient-iv.html (дата обращения: 05.07.2021).
Коэффициент WoE. URL: https://wiki.loginom.ru/articles/coefficient-woe.html (дата обращения: 05.07.2021).
Логистическая регрессия. URL: https://help.loginom.ru/userguide/processors/datamining/logistic-regression (дата обращения: 05.07.2021).
Официальный портал органов государственной власти Тюменской области. Отчет о результатах деятельности за 2020 год. URL: https://gzto.admtyumen.ru/OIGV/gz/actions/ ongoing/more.htm?id=11901575@cmsArticle (дата обращения: 05.07.2021).
Паклин Н. Б., Афанасьев В. В. Оптимальное квантование для повышения качества бинарных классификаторов // Искусственный интеллект. 2013. № 4. С. 392–399.
Рюмина Е. В., Карпов А. А. Сравнительный анализ методов устранения дисбаланса классов эмоций в видеоданных выражений лиц // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20, № 5. С. 683–691.
Федеральная налоговая служба. URL: https://www.nalog.ru/rn72/related_activities/statistics_ and_analytics/forms/8376083/ (дата обращения: 05.07.2021).
Цыганова М. С., Буреш С. В., Чернушенко Д. А. Разработка инструментария анализа данных о государственных закупках по федеральным законам № 44-ФЗ и № 223-ФЗ (на базе аналитической платформы Loginom) // Вестник Череповецкого государственного университета. 2020. № 6 (99). С. 59–72.
Электронный эксперт. URL: http://eetmn.ru/company (дата обращения: 05.07.2021).
MetaTender. URL: https://metatender.ru/ (дата обращения: 05.07.2021).
Zheng A., Casari A. Feature Engineering for Machine Learning. Principles and Techniques for Data Scientists. Sebastopol, CA: O'Reilly Media, 2018. 218 p.