نقش تحلیل مولفه های اصلی (PCA) در مدل سازی داده های بزرگ
- سال انتشار: 1398
- محل انتشار: سومین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG03_148
- زبان مقاله: فارسی
- تعداد مشاهده: 1067
نویسندگان
بابلسر، دانشگاه مازندران؛
بابلسر، دانشگاه مازندران؛
بابلسر، دانشگاه مازندران؛
چکیده
در این مقاله قصد داریم، با استفاده از روش تحلیل مولفه های اصلی ( PCA ) ، مشکلات مدل سازی داده های بزرگ را حل نماییم. با ظهور داده های بزرگ در عصر کنونی که از نظر حجم، تنوع و سرعت تولید بسیاربزرگتر از داده های معمول هستند، نیاز به تکنیک ها و روش هایی است تا بتوان آنها را اداره نمود. PCA نیز از جمله ی این روش هاست که در کاهش ابعاد بسیار کاربردپذیر است. در این مقاله ابتدا مدل PCA را ارائهنموده، آنگاه با استفاده از مجموعه داده هایی واقعی با ابعاد و تعداد زیاد، کاربرد این مدل را مورد ارزیابی قرار می دهیم.کلیدواژه ها
مولفه های اصلی؛ داده های بزرگ؛ مقادیر ویژهمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.