Computational Cost Reduction Strategies for Business Cases
Author(s):
Article Type:
Research/Original Article (دارای رتبه معتبر)
Abstract:
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.
Keywords:
Language:
English
Published:
Iranian Journal of Management Studies, Volume:16 Issue: 3, Summer 2023
Pages:
757 to 768
magiran.com/p2593047
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!