Skip to main content
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Fitting Big Data Using Structural Measurement Error Model

verfasst von : Saja Alzubai, Amjad D. Al-Nasser

Erschienen in: Mathematical Analysis and Numerical Methods

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Das Kapitel geht den Herausforderungen der Analyse von Big Data nach, insbesondere dem Umfang und der Komplexität, die über herkömmliche Datenbanksysteme hinausgehen. Es stellt das strukturelle Messfehlermodell (SMEM) und den Subsampling-Algorithmus als Lösung zur effizienten Verarbeitung von Big Data vor. Der Autor zeigt anhand hypothetischer Beispiele und Monte-Carlo-Experimente, wie der Sub-Sampling-Algorithmus die Rechenzeit reduzieren und die Schätzgenauigkeit verbessern kann. Das Kapitel hebt auch die Robustheit der Methode unter verschiedenen Datenbedingungen hervor, einschließlich des Vorhandenseins von Ausreißern und nicht normalen Verteilungen. Durch den Vergleich von AIC- und BIC-Werten zeigt der Autor, dass der Sub-Sampling-Ansatz fast identische statistische Schlussfolgerungen liefert wie die Verwendung des gesamten Datensatzes, aber mit deutlich verbesserter Recheneffizienz.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Efficient Construction Technique for Resolving Dirichlet Boundary-Value Problems in Multiply Connected Domains for Real Elliptic Equations
Nächstes Kapitel Stochastic Population Growth Model Using Three-Point Fractional Formula
Literatur
1.
Akaike, H.: A new look at the statistical model identification. IEEE Trans. Autom. Control 19(6), 716–723 (1974)MathSciNetCrossRef
2.
Al-Nasser, A.D.: Entropy type estimator to simple linear measurement error models. Austrian J. Stat. 34(3), 283–294 (2005)CrossRef
3.
Al-Nasser, A.D.: An information-theoretic approach to the measurement error model. Stat. Transit.—New Ser. 11(1), 9–24 (2010)
4.
Cavanaugh, J.E., Neath, A.A.: The Akaike information criterion: Background, derivation, properties, application, interpretation, and refinements. Wiley Interdiscipl. Rev.: Comput. Statist. 11(3), e1460 (2019)MathSciNetCrossRef
5.
Cheng, C.-L., Van Ness, J.W.: Statistical Regression with Measurement Error. Arnold, London (1999)
6.
Dumbill, E.: Planning for Big Data. Sebastopoli, Sonoma County, CA, USA (2012)
7.
8.
Erl, T., Khattak, W., Buhler, P.: Big Data Fundamentals: Concepts, Drivers & Techniques, 186–194. Prentice Hall Press (2016)
9.
Fuller, W.A.: Measurement Error Models. John Wiley, New York (1987)
10.
Hurwitz, J., Nugent, A., Halper, F., Kaufman, M.: Big Data for Dummies, Vol. 336. John Wiley & Sons, Hoboken, NJ (2013)
11.
12.
Wang, H.: More efficient estimation for logistic regression with optimal subsamples. J. Mach. Learn. Res. 20(132), 1–59 (2019)MathSciNet
13.
Wang, H., Yang, M., Stufken, J.: Information-based optimal sub-data selection for big data linear regression. J. Am. Stat. Assoc. 114(525), 393–405 (2019)CrossRef
Metadaten
Titel
Fitting Big Data Using Structural Measurement Error Model
verfasst von
Saja Alzubai
Amjad D. Al-Nasser
Copyright-Jahr
2024
Verlag
Springer Nature Singapore
Buch
Mathematical Analysis and Numerical Methods

Print ISBN: 978-981-9748-75-4

Electronic ISBN: 978-981-9748-76-1

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-981-97-4876-1_30

Premium Partner

    Bildnachweise