Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije (CROSBI ID 448277)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Čačković , Kristijan
Pripužić, Krešimir
Katušić, Damjan
hrvatski
Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije
Cilj ovog rada je implementacija centraliziranih modela prostorno-vremenski ponderirane i grupirane regresije te optimizacija istih za rad s velikim podacima koristeći programski jezik Python. Oba razvijena modela optimizirani su te nude podršku za višeprocesni rad kako bi bolje iskoristili računalne resurse i poboljšali performanse. Razvijeni modeli temelje se na modelu linearne regresije. Algoritam linearne regresije korišten prilikom izrade ovog rada dio je programske knjižnice scikit-learn. Tijekom implementacije ranije navedenih modela korištena je programska knjižnica pandas koja je olakšala manipulaciju podacima te programska knjižnica NumPy pomoću koje su implementirani ključni matematički dijelovi modela. Razvijeni modeli eksperimentalno su evaluirani nad velikim skupom podataka. Oba modela bolje adresiraju problem lokalnih prostornih i vremenskih varijacija u podacima u odnosu na model linearne regresije. Model prostorno-vremenski grupirane regresije nudi bolje performanse u radu s velikim podacima u odnosu na model prostorno- vremenski ponderirane regresije uz neprimjetne razlike u točnosti modela.
GWR ; GCR ; TWR ; GTWR ; GTCR ; linearna regresija ; Python ; scikit-learn ; pandas ; NumPy ; strojno učenje ; velika količina podataka ; zagađenje zraka
nije evidentirano
engleski
Centralized Models of Spatio-Temporal Weighted and Clustered Regression
nije evidentirano
GWR ; GCR ; TWR ; GTWR ; GTCR ; linear regression ; Python ; scikit-learn ; pandas ; NumPy ; machine learning ; big data ; air pollution
nije evidentirano
Podaci o izdanju
53
09.07.2021.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb