Запропоновано підхід до побудови інтелектуальної системи персонального фінансового планування, що дозволив
вирішити проблему обробки гетерогенних даних та виявлення нелінійних залежностей у фінансовій поведінці
користувачів. Розглянуто застосування методів градієнтного бустингу для задач регресійного аналізу витрат та
бінарної класифікації досяжності цілей. Обгрунтовано переваги використання ансамблевих моделей над класичними
статистичними алгоритмами та методами беггінгу в умовах незбалансованих вибірок