الگوریتم های رگرسیون معیار برای مدل سازی پیش بینی درآمد

عنوان الگوریتم های رگرسیون معیار برای مدل سازی پیش بینی درآمد
نویسنده کیبکبایف، عظمت، دومان، اکرم
تاریخ انتشار: 2015
محل انتشار - IEEE
موضوع مقررات، پیش بینی درآمد، تکنیک های رگرسیون، معیارهای عملکرد
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-1-4673-9795-7
شماره ثبت ecd7ca41-161a-426b-b535-4f536133fd28
محل کتابخانه مهندسی صنایع
تاریخ 2015
یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه هدف این مقاله پیش‌بینی درآمد مشتریان برای بانک‌ها است. در این مقاله معیار پیش‌بینی درآمد در مقیاس بزرگ، ما عملکرد الگوریتم‌های مختلف رگرسیون پیشرفته را مطالعه می‌کنیم (مانند رگرسیون حداقل مربعات معمولی، رگرسیون بتا، رگرسیون قوی، رگرسیون پشته، MARS، ANN، LS-SVM و CART، و همچنین مدل‌های داده‌های دو مرحله‌ای واقعی) که از مجموعه‌های داده‌های چند مرحله‌ای استفاده می‌کنند. در مجموع 16 تکنیک با استفاده از 10 معیار عملکرد مختلف مانند R2، نرخ ضربه و دقت و غیره مقایسه می‌شوند. مشخص شد که نتایج رگرسیون خطی سنتی با مدل‌های غیرخطی و دو مرحله‌ای پیچیده‌تر قابل مقایسه است.
DOI 10.1109/CSCI.2015.162
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

الگوریتم های رگرسیون معیار برای مدل سازی پیش بینی درآمد

نویسنده کیبکبایف، عظمت، دومان، اکرم
تاریخ انتشار 2015
محل انتشار - IEEE
موضوع مقررات، پیش بینی درآمد، تکنیک های رگرسیون، معیارهای عملکرد
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-1-4673-9795-7
شماره ثبت ecd7ca41-161a-426b-b535-4f536133fd28
محل کتابخانه مهندسی صنایع
تاریخ 2015
یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه هدف این مقاله پیش‌بینی درآمد مشتریان برای بانک‌ها است. در این مقاله معیار پیش‌بینی درآمد در مقیاس بزرگ، ما عملکرد الگوریتم‌های مختلف رگرسیون پیشرفته را مطالعه می‌کنیم (مانند رگرسیون حداقل مربعات معمولی، رگرسیون بتا، رگرسیون قوی، رگرسیون پشته، MARS، ANN، LS-SVM و CART، و همچنین مدل‌های داده‌های دو مرحله‌ای واقعی) که از مجموعه‌های داده‌های چند مرحله‌ای استفاده می‌کنند. در مجموع 16 تکنیک با استفاده از 10 معیار عملکرد مختلف مانند R2، نرخ ضربه و دقت و غیره مقایسه می‌شوند. مشخص شد که نتایج رگرسیون خطی سنتی با مدل‌های غیرخطی و دو مرحله‌ای پیچیده‌تر قابل مقایسه است.
DOI 10.1109/CSCI.2015.162
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید