Municipal Revenue Prediction by Support Vector Machine Ensembles

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F10%3A39881985" target="_blank" >RIV/00216275:25410/10:39881985 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Municipal Revenue Prediction by Support Vector Machine Ensembles

Popis výsledku v původním jazyce

Fiscal stress has forced municipalities to pay increasing attention to the importance of revenue prediction. Currently, econometric models and expert opinions are used for municipal revenue prediction. In this paper we present a design of support vectormachine ensembles for the prediction of municipal revenue. Linear regression model and feed-forward neural network ensembles are used as benchmark methods. We prove that stochastic gradient boosting outperforms the other methods when creating SVM ensembles for this regression problem. Further, bagging shows best performance for feed-forward neural network ensembles, and dagging is preferable for linear regression model ensembles.

Název v anglickém jazyce

Municipal Revenue Prediction by Support Vector Machine Ensembles

Popis výsledku anglicky

Fiscal stress has forced municipalities to pay increasing attention to the importance of revenue prediction. Currently, econometric models and expert opinions are used for municipal revenue prediction. In this paper we present a design of support vectormachine ensembles for the prediction of municipal revenue. Linear regression model and feed-forward neural network ensembles are used as benchmark methods. We prove that stochastic gradient boosting outperforms the other methods when creating SVM ensembles for this regression problem. Further, bagging shows best performance for feed-forward neural network ensembles, and dagging is preferable for linear regression model ensembles.

Druh

D - Stať ve sborníku

CEP obor

AE - Řízení, správa a administrativa

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Latest Trends on Computers

ISBN

978-960-474-201-1

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

WSEAS Press

Místo vydání

Atény

Místo konání akce

Corfu

Datum konání akce

23. 7. 2010

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—