基于时间序列分析的创新扩散模型, 社会网络分析, 生存分析, 和机器学习

基于时间序列分析的创新扩散模型, 社会网络分析, 生存分析, 和机器学习

• 阿米尔Onallah斯图尔特管理科学博士.D. 学生

文摘:

本研究利用美国.S. 专利发明人数据库和医疗创新数据集来证明做出假设, 减少数据, 或者简化问题会对结果产生负面影响.

最初, 我们采用时间序列模型来提高事件历史分析(EHA)结果的质量。, 添加的见解, 并推断意义, 解释, 和结论. 然后, 我们引入了较新的机器学习算法和带有事件时间元素的机器学习，以提供比以前的论文更强大的方法，并通过消除假设或简化问题来获得最佳解决方案, 结合所有包含最大知识的数据, 并提供非线性分析.

这些模型显示了包含社会关系的数据集中社会网络度量的重要性, 通用属性, 以及时间到事件的信息.

 

所有伊利诺伊理工学院的教师、学生和工作人员都被邀请参加.

的 周五研究报告 系列展示了斯图尔特商学院教师和学生正在进行的学术研究项目, 以及威尼斯人平台同事的客座演讲, 商业人士, 以及其他顶尖商学院的教职员工.

加入Blackboard协作会议