Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Municipal Revenue Prediction by Support Vector Machine Ensembles
Autoři: Hájek Petr | Olej Vladimír
Rok: 2010
Druh publikace: článek ve sborníku
Název zdroje: Latest Trends on Computers
Název nakladatele: WSEAS Press
Místo vydání: Atény
Strana od-do: 325-330
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Predikce příjmů obcí pomocí sestav support vector machines Fiskální omezení nutí obce věnovat zvýšenou pozornost důležitosti predikce příjmů. V současné době jsou pro predikci příjmy obcí používány ekonometrických modely a expertní odhady. V tomto článku prezentujeme návrh sestav support vector machines pro predikci příjmů obcí. Lineární regresní model a dopředné neuronové sítě jsou používány jako benchmarkové metody. Dokazujeme, že stochastic gradient boosting překonává jiné metody při vytváření SVM sestav pro tento regresní problém. Dále, bagging ukazuje nejlepší výkon pro sestavy dopředných neuronových sítí, a dagging je vhodnější pro sestavy lineárních regresních modelů. Příjmy obcí; predikce; regrese; support vector machine; modelování; neuronové sítě
eng Municipal Revenue Prediction by Support Vector Machine Ensembles 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 vector machine 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. Municipal revenue; prediction; regression; support vector machine ensembles; modelling; neural network ensembles