Sentimentanalyse van Covid-19 Tweets met behulp van Machine Learning-algoritme
Versandkostenfrei!
Versandfertig in 6-10 Tagen
28,99 €
inkl. MwSt.
PAYBACK Punkte
14 °P sammeln!
Hoofdthema: Dit artikel laat zien dat van een groot aantal voorspellingsmodellen het Facebook Prophet-model de hoogste nauwkeurigheid had als het ging om het anticiperen op pandemieomstandigheden.Resultaatanalyse: Ze presenteerden hoe de modellen presteerden op de testsets met behulp van de regressie- en tijdreeksmodellen, evenals de analyse met behulp van Facebook Prophet. Ze kunnen de Root Mean Square Error (RMSE) voor elk model berekenen met behulp van deze resultaten. De vergelijking van de modellen op basis van hun RMSE-scores wordt weergegeven in Tabel I. Tabel I geeft aan dat bij het vo...
Hoofdthema: Dit artikel laat zien dat van een groot aantal voorspellingsmodellen het Facebook Prophet-model de hoogste nauwkeurigheid had als het ging om het anticiperen op pandemieomstandigheden.Resultaatanalyse: Ze presenteerden hoe de modellen presteerden op de testsets met behulp van de regressie- en tijdreeksmodellen, evenals de analyse met behulp van Facebook Prophet. Ze kunnen de Root Mean Square Error (RMSE) voor elk model berekenen met behulp van deze resultaten. De vergelijking van de modellen op basis van hun RMSE-scores wordt weergegeven in Tabel I. Tabel I geeft aan dat bij het voorspellen van bevestigde gevallen de FPM de laagste gemiddelde fout heeft. De tweede plaats gaat naar het ARIMA-model, gevolgd door de AR- en MA-modellen. Omdat de ARIMA echter zowel de MA- als de AR-modellen omvat, worden ze niet in aanmerking genomen.Het HWA-model, dat na deze twee komt, heeft de laagste score, gevolgd door de PR. Tabel I laat zien dat de bevindingen bijna identiek zijn aan de resultaten van de tabel met bevestigde gevallen, waarbij de FPM bovenaan komt, gevolgd door de ARIMA, HWA en PR, in die volgorde. Ze komen tot de conclusie dat de beste modellen om de pandemie te anticiperen de volgende zijn: Facebook.
Andere Kunden interessierten sich für
