Sökning: "Logisticregression"

Visar resultat 1 - 5 av 10 uppsatser innehållade ordet Logisticregression.

  1. 1. Building Predictive Models for Stock Market Performance : En studie om maskininlärning och deras prestanda

    Kandidat-uppsats, Uppsala universitet/Institutionen för informatik och media

    Författare :Gabriel Wennmark; Felix Lindgren; [2023]
    Nyckelord :machine learning; classification; stock market; OMXSPI; support vector machine; logistic regression; decision tree; prediction model; maskininlärning; klassifikation; aktiemarknad; OMXSPI; support vector machine; logistisk regression; beslutsträd; prediktionsmodell;

    Sammanfattning : Today it is important for investors to identify which stocks that will result in positive returns in order for the right decision to be made when trading on the stock market. For decades it has been an area of interest for academics, and it is still challenging due to many difficulties and problems. LÄS MER

  3. 2. Explaining Mortality Prediction With Logistic Regression

    Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Alva Johansson Staaf; Victor Engdahl; [2022]
    Nyckelord :Machine Learning; Logistic Regression; Mortality Prediction; Explainability; MIMIC-III;

    Sammanfattning : Explainability is a key component in building trust for computer calculated predictions when they are applied to areas with influence over individual people. This bachelor thesis project report focuses on the explanation regarding the decision making process of the machine learning method Logistic Regression when predicting mortality. LÄS MER

  4. 3. Miljökontroversers effekt på företags Environmental Pillar Score och CSR-strategier : En studie av 309 företag inom industrisektorn

    Kandidat-uppsats, Högskolan i Gävle/Avdelningen för ekonomi

    Författare :Amanda Henriksson Lindberg; Sara Lundqvist; [2022]
    Nyckelord :;

    Sammanfattning : Titel: Miljökontroversers effekt på Environmental Pillar Score och CSR-strategier – enstudie på 309 företag inom industrisektorn. Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi Författare: Sara Lundqvist och Amanda Henriksson Lindberg Handledare: Jan Svanberg Datum: januari 2022 Syfte: Syftet med studien var att undersöka om det fanns ett kausalt samband mellanmiljökontroverser och Environmental Pillar Score i industrisektorn. LÄS MER

  5. 4. Maskininlärning för dokumentklassificering av finansielladokument med fokus på fakturor

    Uppsats för yrkesexamina på avancerad nivå, Örebro universitet/Institutionen för naturvetenskap och teknik

    Författare :Nawar Khalid Saeed; [2022]
    Nyckelord :Document classification; Text classification; Invoices; NLP; TF-IDF; Doc2vec; Machine Learning; Logistic Regression; Multinomial Naïve Bayes; Support Vector Machine.; Dokumentklassificering; Textklassificering; Fakturor; NLP; TF-IDF; Doc2vec; Maskininlärning; Logistic Regression; Multinomial Naïve Bayes; Support Vector Machine.;

    Sammanfattning : Automatiserad dokumentklassificering är en process eller metod som syftar till att bearbeta ochhantera dokument i digitala former. Många företag strävar efter en textklassificeringsmetodiksom kan lösa olika problem. LÄS MER

  7. 5. E-noses equipped with Artificial Intelligence Technology for diagnosis of dairy cattle disease in veterinary

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Farbod Haselzadeh; [2021]
    Nyckelord :Artificial intelligence; Electronic nose; Gas sensor arrays; Principal component analysis; Autoencoder; Veterinary diagnose; Feature extraction; Dimentionality reduction; Normalization; Maskin intelligence; Artificial intelligence; Elektronisk näsa; Gas sensore array; Normalisering; dimensionalitetsminskning; Autoencoder; Klassificering AI; E-nose; Feature Extraction; Normalization; PCA; Autoencoder; Encoder; Decoder; MLP; Classifier; LDA; Support Vector Machine; Logistic Regression; Cross Validation; Signal segmentation;

    Sammanfattning : The main goal of this project, running at Neurofy AB, was that developing an AI recognition algorithm also known as, gas sensing algorithm or simply recognition algorithm, based on Artificial Intelligence (AI) technology, which would have the ability to detect or predict diary cattle diseases using odor signal data gathered, measured and provided by Gas Sensor Array (GSA) also known as, Electronic Nose or simply E-nose developed by the company. Two major challenges in this project were to first overcome the noises and errors in the odor signal data, as the E-nose is supposed to be used in an environment with difference conditions than laboratory, for instance, in a bail (A stall for milking cows) with varying humidity and temperatures, and second to find a proper feature extraction method appropriate for GSA. LÄS MER