Skip to content
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Services de bibliothèques
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Journal Matcher
Blog
Contact
Chercher
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
WSB Journal of Business and Finance
Édition 53 (2019): Edition 2 (Janvier 2019)
Accès libre
Machine learning model development for predicting road transport GHG emissions in Canada
Mohd Jawad Ur Rehman Khan
Mohd Jawad Ur Rehman Khan
Concordia Institute for Information Systems Engineering (CIISE), Faculty of Engineering & Computer Science, Concordia University
Montreal,
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Khan, Mohd Jawad Ur Rehman
et
Anjali Awasthi
Anjali Awasthi
Concordia Institute for Information Systems Engineering (CIISE), Faculty of Engineering & Computer Science, Concordia University
Montreal,
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Awasthi, Anjali
31 déc. 2019
WSB Journal of Business and Finance
Édition 53 (2019): Edition 2 (Janvier 2019)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Télécharger la couverture
Publié en ligne:
31 déc. 2019
Pages:
55 - 72
DOI:
https://doi.org/10.2478/wsbjbf-2019-0022
Mots clés
Supervised machine learning
,
Feature selection
,
Multiple Linear Regression
,
Multilayer Perceptron
,
Ensemble learning
,
Bagging
© 2019 Mohd Jawad Ur Rehman Khan et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.