دانلود مقاله انگلیسی رایگان:تحلیل مولفه های اصلی تصادفی گروه گسسته برای داده های بزرگ - 2018
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Principal Components Analysis Random Discretization Ensemble for Big Data Principal Components Analysis Random Discretization Ensemble for Big Data
    Principal Components Analysis Random Discretization Ensemble for Big Data

    دسته بندی:

    داده های بزرگ - big data


    سال انتشار:

    2018


    عنوان انگلیسی مقاله:

    Principal Components Analysis Random Discretization Ensemble for Big Data


    ترجمه فارسی عنوان مقاله:

    تحلیل مولفه های اصلی تصادفی گروه گسسته برای داده های بزرگ


    منبع:

    Sciencedirect - Elsevier - Knowledge-Based Systems, Corrected proof: doi:10:1016/j:knosys:2018:03:012


    نویسنده:

    Diego García-Gil a,∗, Sergio Ramírez-Gallego a, Salvador García a, Francisco Herrera a,b


    چکیده انگلیسی:

    Humongous amounts of data have created a lot of challenges in terms of data computation and analysis. Classic data mining techniques are not prepared for the new space and time requirements. Discretization and dimensionality reduction are two of the data reduction tasks in knowledge discovery. Random Pro jection Random Discretization is a novel and recently proposed ensemble method by Ahmad and Brown in 2014 that performs discretization and dimensionality reduction to create more informative data. De spite the good efficiency of random projections in dimensionality reduction, more robust methods like Principal Components Analysis (PCA) can improve the performance. We propose a new ensemble method to overcome this drawback using the Apache Spark platform and PCA for dimension reduction, named Principal Components Analysis Random Discretization Ensemble. Experimental results on five large-scale datasets show that our solution outperforms both the original algorithm and Random Forest in terms of prediction performance. Results also show that high dimen sionality data can affect the runtime of the algorithm.
    Keywords: Big Data ، Discretization ، Spark ، Decision tree ، PCA ، Data reduction


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    حجم فایل: 894 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 10879 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 10879 :::::::: افراد آنلاین: 72