JOIN IN THE GLOBAL BOOK CRAWL MORE INFO

Close Notification

Your cart does not contain any items

Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen by Ahmed Rasidun Bari Dip at Abbey's Bookshop,
Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen
— —
Ahmed Rasidun Bari Dip MD Shihab Sadik

Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

Ahmed Rasidun Bari Dip,  MD Shihab Sadik,  Omi Evance Rozario

$63.95   $54.74

Paperback

Not in-store but you can order this
How long will it take?
German
Verlag Unser Wissen
23 January 2025
Functional analysis & transforms
Hauptthema: Dieser Artikel zeigt, dass das Facebook Prophet-Modell unter einer großen Anzahl von Vorhersagemodellen die höchste Genauigkeit bei der Vorhersage von Pandemieumständen hatte.

Ergebnisanalyse: Sie präsentierten, wie die Modelle bei den Testsätzen mithilfe der Regressions- und Zeitreihenmodelle sowie der Analyse mit Facebook Prophet abgeschnitten haben. Anhand dieser Ergebnisse können sie den Root Mean Square Error (RMSE) für jedes Modell berechnen. Der Vergleich der Modelle basierend auf ihren RMSE-Werten ist in Tabelle I dargestellt. Tabelle I zeigt, dass das FPM bei der Vorhersage bestätigter Fälle den niedrigsten durchschnittlichen Fehler aufweist. Den zweiten Platz belegt das ARIMA-Modell, gefolgt von den AR- und MA-Modellen. Da das ARIMA jedoch sowohl das MA- als auch das AR-Modell enthält, werden diese nicht berücksichtigt.

Das HWA-Modell, das nach diesen beiden kommt, hat den niedrigsten Wert, gefolgt vom PR. Tabelle I zeigt, dass die Ergebnisse fast identisch mit den Ergebnissen der Tabelle für bestätigte Fälle sind, wobei das FPM an der Spitze steht, gefolgt von ARIMA, HWA und PR in dieser Reihenfolge. Als Ergebnis kommen sie zu dem Schluss, dass die folgenden Modelle die besten zur Vorhersage der Pandemie-Situation sind: Facebook.
By:   , ,
Imprint:   Verlag Unser Wissen
Dimensions:   Height: 229mm,  Width: 152mm,  Spine: 3mm
Weight:   86g
ISBN:   9786208580032
ISBN 10:   620858003X
Pages:   56
Publication Date:  
Audience:   General/trade ,  ELT Advanced
Format:   Paperback
Publisher's Status:   Active

See Also

Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

Classification of Lipschitz Mappings...

Torrey M. Gallagher (Monmouth University)...

Hardback

$347 

Not in-store but you can order this

ADD +
Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

A Concise Introduction to the Theory...

Daniel W. Stroock

Hardback

$71.95 

Not in-store but you can order this

ADD +
Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

Analisi del sentiment dei tweet...

Ahmed Rasidun Bari Dip

Paperback

$63.95  $54.74

Not in-store but you can order this

ADD +
Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

Probabilistische Kosten-Nutzen-Analyse...

Amir Mahdiyar

Paperback

$80.95  $69.02

Not in-store but you can order this

ADD +
Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

Analysis of the Basic Sanitation...

Victor Toyoji de Nozaki

Paperback

$70.95  $60.69

Not in-store but you can order this

ADD +
Stimmungsanalyse von Covid-19-Tweets mithilfe eines Algorithmus für maschinelles Lernen

Functional Analysis

Jan van Neerven (Technische Universiteit...

Paperback

$75.95 

Not in-store but you can order this

ADD +