این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Management Studies، جلد ۱۶، شماره ۳، صفحات ۷۵۷-۷۶۸
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Computational Cost Reduction Strategies for Business Cases
چکیده انگلیسی مقاله Feature selection and parameter optimization are vital techniques in the data mining process, significantly impacting the computational costs of machine learning. Computational cost is a critical consideration in business analytics, making feature selection and parameter optimization research crucial for reducing operational costs. This study investigates the performance of 10 dimensionality reduction methods and 2 parameter optimization techniques in various business applications. The evaluation focuses on predictive accuracy and run time. The analysis reveals distinctive tendencies among the filtering methods, highlighting time-consuming behaviors in different business scenarios for Weight by Rule (WRul) and Weight by Relief (Wrel). Additionally, the study proposes a cost-effective approach to parameter optimization by utilizing grid search and evolutionary algorithms, particularly when the optimal parameter range is unknown.
کلیدواژه‌های انگلیسی مقاله Evolutionary algorithm,Filtering Methods,Grid Search,Parameter Optimization
نویسندگان مقاله Genesis Sembiring Depari |
Faculty of Economics and Business, Universitas Pelita Harapan, Indonesia

نشانی اینترنتی https://ijms.ut.ac.ir/article_89672_70a1556c3b4e9b1a9157334919c91b33.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات