Pretražite po imenu i prezimenu autora, mentora, urednika, prevoditelja

Napredna pretraga

Pregled bibliografske jedinice broj: 1183375

Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije


Čačković , Kristijan
Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije, 2021., diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb


CROSBI ID: 1183375 Za ispravke kontaktirajte CROSBI podršku putem web obrasca

Naslov
Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije
(Centralized Models of Spatio-Temporal Weighted and Clustered Regression)

Autori
Čačković , Kristijan

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
09.07

Godina
2021

Stranica
53

Mentor
Pripužić, Krešimir

Neposredni voditelj
Katušić, Damjan

Ključne riječi
GWR ; GCR ; TWR ; GTWR ; GTCR ; linearna regresija ; Python ; scikit-learn ; pandas ; NumPy ; strojno učenje ; velika količina podataka ; zagađenje zraka
(GWR ; GCR ; TWR ; GTWR ; GTCR ; linear regression ; Python ; scikit-learn ; pandas ; NumPy ; machine learning ; big data ; air pollution)

Sažetak
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.

Izvorni jezik
Hrvatski

Znanstvena područja
Računarstvo



POVEZANOST RADA


Projekti:
HRZZ-UIP-2017-05-9066 - Učinkovita stvarnovremenska obrada brzih geoprostornih podataka (RETROFIT) (Pripužić, Krešimir, HRZZ - 2017-05) ( POIROT)

Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb

Profili:

Avatar Url Damjan Katušić (mentor)

Avatar Url Krešimir Pripužić (mentor)

Poveznice na cjeloviti tekst rada:

Pristup cjelovitom tekstu rada

Citiraj ovu publikaciju:

Čačković , Kristijan
Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije, 2021., diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb
Čačković , K. (2021) 'Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije', diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb.
@phdthesis{phdthesis, author = {\v{C}a\v{c}kovi\'{c}, Kristijan}, year = {2021}, pages = {53}, keywords = {GWR, GCR, TWR, GTWR, GTCR, linearna regresija, Python, scikit-learn, pandas, NumPy, strojno u\v{c}enje, velika koli\v{c}ina podataka, zaga\djenje zraka}, title = {Centralizirani modeli prostorno-vremenski ponderirane i grupirane regresije}, keyword = {GWR, GCR, TWR, GTWR, GTCR, linearna regresija, Python, scikit-learn, pandas, NumPy, strojno u\v{c}enje, velika koli\v{c}ina podataka, zaga\djenje zraka}, publisherplace = {Zagreb} }
@phdthesis{phdthesis, author = {\v{C}a\v{c}kovi\'{c}, Kristijan}, year = {2021}, pages = {53}, keywords = {GWR, GCR, TWR, GTWR, GTCR, linear regression, Python, scikit-learn, pandas, NumPy, machine learning, big data, air pollution}, title = {Centralized Models of Spatio-Temporal Weighted and Clustered Regression}, keyword = {GWR, GCR, TWR, GTWR, GTCR, linear regression, Python, scikit-learn, pandas, NumPy, machine learning, big data, air pollution}, publisherplace = {Zagreb} }




Contrast
Increase Font
Decrease Font
Dyslexic Font