文献

J-GLOBAL ID：201702291218094050   整理番号：17A1651025

分配を用いた予測回帰技術を用いたビッグデータ分析【Powered by NICT】

Prediction with partitioning: Big data analytics using regression techniques

著者 (2件)： Saritha K (School of Computer Sciences Mahatma Gandhi University Kottayam, Kerala, India) ,  Abraham Sajimon (School of Management and Business Studies Mahatma Gandhi University Kottayam, Kerala, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： NetACT  ページ： 208-214  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： いろいろな情報源からのデータの累積成長はビッグデータの時代をもたらした。ビッグデータ分析は,信頼性のあるサービスを提供する顧客に対し競争力の提供パッケージの設計における上昇機会を与えるが,解析は正確で成功した意思決定のための時宜を得なければならない。試験とビッグデータを解析するために,種々の統計的方法を開発した。伝統的な統計学的解析は,予測モードを生成するためのサンプリングに焦点を当てた。この限界を克服するために,ビッグデータはサブデータセットへの分割であるおよび統計学的解析を各サブセットに採用した。データセットの構造を最初に研究されるべきであるとして,探索的データ解析(EDA)までの統計的モデリングにおける様々な段階を通過しなければならない。依存変数と独立変数を同定し,適切なパラメトリックモデリングを提案した。回帰技術を用いて,従属変数と独立変数の間の関係を記述した。ここでは,異なる線形回帰法に焦点を当てた。性能はUCI機械学習リポジトリからの実験データセットのシミュレーション法により評価し,その多変量線形回帰は,パラメトリックモデリングにおける優れた性能を示すことが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 意思決定 ,  *予測 ,  シミュレーション ,  統計解析 ,  情報源 ,  部分集合 ,  機械学習 ,  信頼性 ,  リポジトリ
準シソーラス用語： 多変量線形回帰 ,  線形回帰 ,  パラメトリックモデリング ,  独立変数 ,  統計的モデリング ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (3件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： 分配 ,  予測 ,  データ分析