FDR²-BD: A Fast Data Reduction Recommendation Tool for Tabular Big Data Classification Problems
In this paper, a methodological data condensation approach for reducing tabular big datasets in classification problems is presented, named FDR²-BD. The key of our proposal is to analyze data in a dual way (vertical and horizontal), so as to provide a smart combination between feature selection to g...
Guardado en:
| Autores principales: | Basgall, María, Naiouf, Marcelo, Fernández, Alberto |
|---|---|
| Formato: | Articulo |
| Lenguaje: | Inglés |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/125448 https://www.mdpi.com/2079-9292/10/15/1757 |
| Aporte de: |
Ejemplares similares
-
SMOTE-BD: An Exact and Scalable Oversampling Method for Imbalanced Classification in Big Data
por: Basgall, María José, et al.
Publicado: (2018) -
Estudio comparativo entre Apache Flink y Apache Spark : Medición de la performance en la ejecución de algoritmos tradicionales de un Datawarehouse
por: Jaime, Rubén Alejandro
Publicado: (2021) -
Analysis and design of scalable pre-processing techniques of instances for imbalanced Big Data problems : Applications in humanitarian emergencies situations
por: Basgall, María José
Publicado: (2022) -
Análisis y diseño de técnicas de preprocesamiento de instancias escalables para problemas no balanceados en Big Data : Aplicaciones en situaciones de emergencias humanitarias
por: Basgall, María José
Publicado: (2022) -
Comparative Study of the Performance of the Classification Algorithms of the Apache Spark ML Library
por: Camele, Genaro, et al.
Publicado: (2021)