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