APPLIED MACHINE LEARNING PREDICTIVE MODELLING IN REGIONAL SPATIAL DATA ANALYSIS PROBLEM

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28120%2F15%3A43872846" target="_blank" >RIV/70883521:28120/15:43872846 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

APPLIED MACHINE LEARNING PREDICTIVE MODELLING IN REGIONAL SPATIAL DATA ANALYSIS PROBLEM

Popis výsledku v původním jazyce

Urban and Regional Studies deal with large tables of spatial data obtained from censuses and surveys. It is necessary to simplify the huge amount of detailed information in order to extract the main trends. The main aim of this article is to present andcompare machine learning models in spatial data analysis problem. As an example of spatial data modelling we draw upon public-domain data about California housing values. We use a variety of regression modelling techniques, showing how additional information about location (longitude and latitude) can contribute to the analysis. The data comprise observations of housing values, economic covariates, and longitude and latitude. We follow Pace and Barry (1997) in defining response and explanatory variablesfor a linear regression model.

Název v anglickém jazyce

APPLIED MACHINE LEARNING PREDICTIVE MODELLING IN REGIONAL SPATIAL DATA ANALYSIS PROBLEM

Popis výsledku anglicky

Urban and Regional Studies deal with large tables of spatial data obtained from censuses and surveys. It is necessary to simplify the huge amount of detailed information in order to extract the main trends. The main aim of this article is to present andcompare machine learning models in spatial data analysis problem. As an example of spatial data modelling we draw upon public-domain data about California housing values. We use a variety of regression modelling techniques, showing how additional information about location (longitude and latitude) can contribute to the analysis. The data comprise observations of housing values, economic covariates, and longitude and latitude. We follow Pace and Barry (1997) in defining response and explanatory variablesfor a linear regression model.

Druh

D - Stať ve sborníku

CEP obor

AE - Řízení, správa a administrativa

OECD FORD obor

—

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 7th International Scientific Conference Finance and the Performance of Firms in Science, Education and Practice

ISBN

978-80-7454-482-8

ISSN

—

e-ISSN

—

Počet stran výsledku

15

Strana od-do

701-715

Název nakladatele

Fakulta managementu a ekonomiky, UTB ve Zlíně

Místo vydání

Zlín

Místo konání akce

Zlín

Datum konání akce

23. 4. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—