Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
Applied Mathematics and Nonlinear Sciences
Band 8 (2023): Heft 1 (January 2023)
Uneingeschränkter Zugang
Data mining of Chain convenience stores location
Yingfeng Shi
Yingfeng Shi
und
Xiuchen Chen
Xiuchen Chen
| 31. Mai 2022
Applied Mathematics and Nonlinear Sciences
Band 8 (2023): Heft 1 (January 2023)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
31. Mai 2022
Seitenbereich:
2377 - 2392
Eingereicht:
18. Jan. 2022
Akzeptiert:
27. März 2022
DOI:
https://doi.org/10.2478/amns.2021.2.00200
Schlüsselwörter
location of convenience store
,
data of Nanjing
,
the location model
© 2023 Yingfeng Shi et al., published by Sciendo
This work is licensed under the Creative Commons Attribution 4.0 International License.
Fig. 1
Process of data mining
Fig. 2
Result of feature selection in caret package
Fig. 3
Result of feature selection in Boruta package
Fig. 4
Neural network structure with 1 hidden layer
Fig. 5
Shows a neural network structure with 2 hidden layers
Fig. 6
Modelling results of logistic regression based on three evaluation systems
Fig. 7
Accuracy of neural network model
Fig. 8
Structure diagram of neural network with the best performance
Fig. 9
Accuracy of support vector machine model
Fig. 10
Modelling results of multiple classification algorithms (by the date of Nanjing)