Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Digital Methods and the Evolution of the Epistemology of Social Sciences Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

ROC Curve in GAMLSS as Prediction Tool for Big Data

verfasst von : Andrea Marletta

Erschienen in: Data Science and Social Research II

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

During the latest years, Big Data appears as one of the most innovative and growing scientific areas of interest. In this field, finding reliable methods to make accurate predictions represents one of the most inspirational challenges. In the following paper, the use of ROC (Receiver Operating Characteristic) Curve, a binary tool, often used for medical tests, has been used to make predictions. In particular, the attention is focused on the implementation of the ROC Curve in GAMLSS (Generalized Additive Models for Location Scale and Shape), semi-parametric models suitable for huge and flexible datasets.

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 Big Data and Economic Analysis: The Challenge of a Harmonized Database
Nächstes Kapitel Social Media in Disasters. Big Data Issues in Public Communication Field
Literatur
Akaike, H. (1973). Maximum likelihood identification of Gaussian autoregressive moving average models. Biometrika, 60(2), 255–265.MathSciNetCrossRef
Alonzo, T. A., & Pepe, M. S. (2002). Distribution-free ROC analysis using binary regression techniques. Biostatistics, 3(3), 421–432.CrossRef
Chambers, J. M., & Hastie, T. J. (1991). 1991. Chapman and Hall, New York: Statistical Models. CRC.
Cole, T. J., & Green, P. J. (1992). Smoothing reference centile curves: the LMS method and penalized likelihood. Statistics in medicine, 11(10), 1305–1319.CrossRef
Dunn, P. K., & Smyth, G. K. (1996). Randomized quantile residuals. Journal of Computational and Graphical Statistics, 5(3), 236–244.
Finger, L. (2013). Ask. Measure, Learn: Using Social Media Analysis to Understand and Influence Costumer Behaviour.
Hastie, T. J., Tibshirani, R. J. (1990). Generalized additive models (Vol. 43). CRC press.
Liberati C. and Mariani P. (2016). Big Data meet pharmaceutical industry: an application on social media data. Book of Abstracts, 10th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society.
Nelder, J. A., Wedderburn, R. W. M. (1972). Generalized linear models. JR Statist. Soc. A 135, 370-384. Nelder370135J. R. Statist. Soc A, 1972.
Pepe, M. S. (2003). The statistical evaluation of medical tests for classification and prediction. USA: Oxford University Press.MATH
Rigby, R. A., Stasinopoulos, D. M. (2001, July). The GAMLSS project: a flexible approach to statistical modelling. In New trends in statistical modelling: Proceedings of the 16th international workshop on statistical modelling (pp. 249-256).
Rigby, R. A., & Stasinopoulos, D. M. (2005). Generalized additive models for location, scale and shape. Journal of the Royal Statistical Society: Series C (Applied Statistics), 54(3), 507–554.MathSciNetMATH
Sichel, H. S. (1973). Statistical valuation of diamondiferous deposits. Journal of the Southern African Institute of Mining and Metallurgy, 73(7), 235–243.
Metadaten
Titel
ROC Curve in GAMLSS as Prediction Tool for Big Data
verfasst von
Andrea Marletta
Copyright-Jahr
2021
Buch
Data Science and Social Research II

Print ISBN: 978-3-030-51221-7

Electronic ISBN: 978-3-030-51222-4

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-51222-4_19

Premium Partner

    Bildnachweise