MétaCan
Menu
Retour à la cohorte
Enregistrement W4384469333 · doi:10.54097/hbem.v15i.9398

Analysis of Differences Across Types of Interior Parts of Computer and Computer Price

2023· article· en· W4384469333 sur OpenAlexaff
Jingcheng Lu, Sun Ziwen, Xiaole Yu

Notice bibliographique

RevueHighlights in Business Economics and Management · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInnovation Diffusion and Forecasting
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMeasure (data warehouse)Digital computerOrder (exchange)Computer performanceGoodness of fitLogistic regressionComputer experimentRegression analysisIndustrial engineeringEconometricsSimulationData miningComputer engineeringMathematicsEngineeringMachine learningOperating systemEconomics

Résumé

récupéré en direct d'OpenAlex

The enhancement of digital computers takes an active part in promoting the development of different aspects of the world. In the meantime, interior parts of computers are also rapidly enhanced and refined. Various combinations of inner parts of a computer would play a decisive factor in the cost so the aim of this article would discuss the relationship between the performance parameters of computers and the prices. This article divides the performance parameters of computers into nine aspects, such as speed, RAM size, etc., With an emphasis on the connection between the price of the computer and its performance parameters. This article employs a multiple linear regression and a logistic regression model to estimate the pricing using computer configuration parameters. The MSE, AIC and other parameters are established to measure the goodness of fit for models. In order to forecast prices for computers with certain performance specifications, an optimal model is finally developed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,062
Tête enseignante GPT0,308
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Business Economics and ManagementMême sujetInnovation Diffusion and ForecastingTravaux en français237 207