Dự báo thuê bao viễn thông có nguy cơ rời mạng : Luận văn Thạc sĩ Công nghệ thông tin. Chuyên ngành Hệ thống thông tin

Nghiên cứu tổng quan về các kỹ thuật xử lý dữ liệu thô, xử lý dữ liệu mất cân bằng và xây dựng mô hình dự báo phân lớp, triển khai thành công mô hình dự báo phân lớp trên tập dữ liệu thuê bao viễn thông internet cáp quang. Sử dụng...

Mô tả đầy đủ

Đã lưu trong:

Chi tiết về thư mục
Tác giả chính:	Lâm, Thế Diễn
Định dạng:	Sách
Ngôn ngữ:	Undetermined
Được phát hành:	Cần Thơ Trường Đại học Cần Thơ 2020
Những chủ đề:	Cấu trúc dữ liệu (Khoa học mày tính),Data structures (Computer science)
Các nhãn:	Thêm thẻ Không có thẻ, Là người đầu tiên thẻ bản ghi này!

Thư viện lưu trữ:	Trung tâm Học liệu Trường Đại học Cần Thơ


LEADER	02387nam a2200229Ia 4500
001	CTU_239308
008	210402s9999 xx 000 0 und d
082			\|a 005.741
082			\|b D305
088			\|a 8480104
100			\|a Lâm, Thế Diễn
245		0	\|a Dự báo thuê bao viễn thông có nguy cơ rời mạng :
245		0	\|b Luận văn Thạc sĩ Công nghệ thông tin. Chuyên ngành Hệ thống thông tin
245		0	\|c Lâm Thế Diễn ; Nguyễn Thái Nghe (Cán bộ hướng dẫn)
260			\|a Cần Thơ
260			\|b Trường Đại học Cần Thơ
260			\|c 2020
520			\|a Nghiên cứu tổng quan về các kỹ thuật xử lý dữ liệu thô, xử lý dữ liệu mất cân bằng và xây dựng mô hình dự báo phân lớp, triển khai thành công mô hình dự báo phân lớp trên tập dữ liệu thuê bao viễn thông internet cáp quang. Sử dụng ứng dụng Weka trong việc xử lý dữ liệu mất cân bằng và xây dựng mô hình dự báo, bên cạnh đó cũng đã phát triển được một được một công cụ hiển thị trực quan việc xử lý dữ liệu thuê bao viễn thông internet cáp quang thô sẵn sàng đưa vào xây dựng mô hình và chức năng tự động thay đổi các giá trị K láng giềng, giá trị Cost trong các thuật toán KNN và LibSVM. Thực nghiệm trên 03 tập dữ liệu gốc năm 2018, 2019 và 2020 với 4 phương pháp xử lý dữ liệu khác nhau cho kết quả thuật toán Boosting có kết quả độ đo AUC cao nhất trên tất cả các tập dữ liệu. Thuật toán Decision Tree cho kết quả độ chính xác cao nhất trên các tập dữ liệu. Thuật toán SVM có kết quả độ đo AUC thấp nhất, thuật toán KNN có kết quả độ chính xác thấp nhất
650			\|a Cấu trúc dữ liệu (Khoa học mày tính),Data structures (Computer science)
904			\|i Hải
910			\|c tvtrong
980			\|a Trung tâm Học liệu Trường Đại học Cần Thơ

Dự báo thuê bao viễn thông có nguy cơ rời mạng : Luận văn Thạc sĩ Công nghệ thông tin. Chuyên ngành Hệ thống thông tin

Những quyển sách tương tự