Analisi del sentiment dei tweet di Covid-19 con un algoritmo di apprendimento automatico
Versandkostenfrei!
Versandfertig in 6-10 Tagen
28,99 €
inkl. MwSt.
PAYBACK Punkte
14 °P sammeln!
Tema principale: Questo articolo dimostra che, tra un gran numero di modelli di previsione, il modello Facebook Prophet ha avuto la massima accuratezza quando si è trattato di anticipare le circostanze pandemiche.Analisi dei risultati: Hanno presentato come i modelli si sono comportati sui set di test utilizzando i modelli di regressione e serie temporali, nonché l'analisi utilizzando Facebook Prophet. Possono calcolare l'errore quadratico medio (RMSE) per ciascun modello utilizzando questi risultati. Il confronto dei modelli in base ai loro punteggi RMSE è mostrato nella Tabella I. La Tabe...
Tema principale: Questo articolo dimostra che, tra un gran numero di modelli di previsione, il modello Facebook Prophet ha avuto la massima accuratezza quando si è trattato di anticipare le circostanze pandemiche.Analisi dei risultati: Hanno presentato come i modelli si sono comportati sui set di test utilizzando i modelli di regressione e serie temporali, nonché l'analisi utilizzando Facebook Prophet. Possono calcolare l'errore quadratico medio (RMSE) per ciascun modello utilizzando questi risultati. Il confronto dei modelli in base ai loro punteggi RMSE è mostrato nella Tabella I. La Tabella I indica che quando si prevedono casi confermati, l'FPM ha l'errore medio più basso. Il secondo posto va al modello ARIMA, seguito dai modelli AR e MA. Tuttavia, poiché l'ARIMA incorpora sia i modelli MA che AR, non vengono presi in considerazione.Il modello HWA, che viene dopo questi due, ha il punteggio più basso, seguito dal PR. La Tabella I mostra che i risultati sono quasi identici ai risultati dei casi confermati della tabella, con l'FPM in cima, seguito da ARIMA, HWA e PR, in quest'ordine. Di conseguenza, giungono alla conclusione che i modelli migliori per anticipare la situazione pandemica sono i seguenti: Facebook.
Andere Kunden interessierten sich für
