1. Якушин Б. Теория свариваемостисталей и сплавов. М: МГТУ им. Н.Э. Баумана. 2014.
2. Колпаков С.В., Старов Р.В., Смоктий В.В. и др. Технология производства стали в современных конвертерных цехах. М.: Машиностроение, 1991.
3. Мищенко И.О. Управление уровнем дефектов поверхности и макроструктуры непрерывнолитых слябов МНЛЗ радиально-криволинейного типа. Дисс. канд. техн. наук. М.: 2006.
4. Назаренко Н.В., Чичкарев Е.А. Повышение качества непрерывнолитых заготовок из перитектических марок стали за счет выбора рациональных параметров разливки // Науч. тр. ДонНТУ. Металлургия. 2009. № 11. С. 124–130.
5. Чамберс Д., Уилер Д. Статистическое управление процессами. Оптимизация бизнеса с использованием контрольных карт Шухарта. М.: Альпина Паблишер, 2016.
6. Varfolomeev I.A., Ershov E.V., Bogachev D.V. Electro-Optical Monitoring of the Chromatic Error of the Polymeric Coating of a Galvanized Strip // Russ. J. Nondestruct. 2016. V. 52. No. 5. P. 287–293.
7. Witten I.H., Frank E. Data Mining: Practical Machine Learning Tools and Techniques. 2 ed. San-Francisco: Morgan Kaufmann, 2005.
8. Hosmer D.W. Applied Logistic Regression. 2 ed. N.Y.: Wiley, 2000.
9. Вьюгин В.В. Математические основы машинного обучения и прогнозирования. М.: МЦМНО, 2014.
10. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction Chapter 15. Random Forests. 2nd ed. Germany: Springer, 2009.
11. Картиев С.Б., Курейчик В.М. Алгоритм классификации, основанный на принципах случайного леса, для решения задачи прогнозирования // Программные продукты и системы. 2016. № 2. С. 11–15.
12. Чистяков С.П. Случайные леса: обзор // Тр. Карельского науч. центра РАН. Петрозаводск: 2013. № 2. С. 117–136.
13. Кабаков Р.И. R в действии. Анализ и визуализация данных на языке R. М.: ДМК Пресс, 2014. C. 33–36.
14. Ferna´ndez-Delgado M., Cernadas E., Barro S., Amorim D. Do We Need Hundreds of Classifiers to Solve Real World Classification Problems? // J. Machine Learning Res. 2014. No. 15. С. 3133–3181.