Andere Kunden interessierten sich auch für
![Prévision des dépenses touristiques à partir de l'analyse des données]( "Prévision des dépenses touristiques à partir de l'analyse des données")
Prévision des dépenses touristiques à partir de l'analyse des données26,99 €![Predicting tourism spending from data analysis]( "Predicting tourism spending from data analysis")
Predicting tourism spending from data analysis26,99 €![Hybrides Deep-Learning-Modell für die Erkennung der Weizen-Gelbrost-Krankheit]( "Hybrides Deep-Learning-Modell für die Erkennung der Weizen-Gelbrost-Krankheit")
Hybrides Deep-Learning-Modell für die Erkennung der Weizen-Gelbrost-Krankheit39,90 €![Previsione della spesa turistica attraverso l'analisi dei dati]( "Previsione della spesa turistica attraverso l'analisi dei dati")
Previsione della spesa turistica attraverso l'analisi dei dati26,99 €![Previsão das despesas turísticas através da análise de dados.]( "Previsão das despesas turísticas através da análise de dados.")
Previsão das despesas turísticas através da análise de dados.26,99 €![Machine Learning. Welche Potenziale und Hürden hat es?]( "Machine Learning. Welche Potenziale und Hürden hat es?")
Machine Learning. Welche Potenziale und Hürden hat es?27,95 €![Vorhersage und Bewertung von Nahtnibbeln]( "Vorhersage und Bewertung von Nahtnibbeln")
Vorhersage und Bewertung von Nahtnibbeln39,90 €
Die Analyse von Massendaten, auch als "Big Data" bezeichnet, basiert auf der Speicherung und anschließenden Quantifizierung und Verarbeitung großer Informationsmengen, um Trends und Regelmäßigkeiten zu ermitteln. Im Bereich der Wirtschaft ermöglicht die Datenanalyse unter anderem die Analyse der Faktoren einer Wirtschaftstätigkeit, die den größten Einfluss auf ihre Ergebnisse haben. Auf diese Weise ist es möglich, mit größerer Sicherheit Vorhersagen über die Auswirkungen der verschiedenen möglichen Geschäftsentscheidungen zu treffen und so den Weg zu optimieren, der auf der Suche nach wirtschaftlichem Erfolg eingeschlagen werden soll. Dies bringt den Unternehmen, die es anwenden, oft einen Wettbewerbsvorteil gegenüber denjenigen, die es nicht tun. Ziel dieser Arbeit ist es, Vorhersagemodelle für die Ausgaben von Touristen in Spanien zu erstellen. Zu diesem Zweck wurden Daten aus der EGATUR-Erhebung verwendet, einer Datenbank, die detaillierte Informationen über Touristen, die nach Spanien reisen, enthält. Die verwendeten Daten beziehen sich auf einen Zeitraum von zwei Jahren. Dazu wurden die Algorithmen Lineare Regression (LR), K-Nächste Nachbarn (KNN), Random Forest (RF), Support Vector Machine (SVM) und Deep Learning (DL) verwendet.