Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: data mining algorithms

Sortuj według:

Ogranicz wyniki do:

Parental Mistakes Experienced in Childhood by Girls and Their Needs and Values System as Adult Women

100%

Szymańska A.

nr 4

87-114

Doświadczenia z dzieciństwa są fundamentem, na którym rozwija się wiele cech osobowości. Stresujące doświadczenia, takie jak błędy rodziców, mogą mocno wpływać na kształtowanie się cech osobowości. Celem niniejszej analizy było zbadanie, w jaki sposób dziecięce doświadczenia błędów rodzicielskich, takich jak agresja, rygor itp., współwystępują ze zdolnością do zaspokajania własnych potrzeb i z systemem wartości w życiu dorosłym. Badanie przeprowadzono na próbie 402 kobiet w wieku od 21 do 50 lat. W celu odpowiedzi na postawione pytania badawcze przeprowadzono analizę skupień z wykorzystaniem algorytmów data mining oraz Analizę Sieci Społecznych. Badanie wykazało, że kobiety, które doświadczyły mniej błędów rodzicielskich w dzieciństwie, wykazywały większe zaspokojenie potrzeb w wieku dorosłym niż kobiety, które doświadczyły więcej błędów rodzicielskich. Kobiety różniły się systemami wartości w zależności od tego, czy więcej błędów popełniały ich ojcowie, czy matki. Kobiety, które doświadczyły mniej błędów popełnionych przez ich matki, wyznawały więcej wartości skoncentrowanych na innych, podczas gdy kobiety, które doświadczyły mniej błędów popełnionych przez ich ojców, wyznawały bardziej egocentryczne wartości.

Childhood experiences are the foundation on which many personality traits develop. Stressful experiences such as parental mistakes may particularly impact the formation of personality traits. The aim of the current study was to examine how the childhood experiences of parental mistakes, such as aggression, rigor, and so forth, co-occur with the ability to satisfy one’s needs and to one’s value system in adulthood. The study was carried out on a sample of 402 women aged 21 to 50 years. In order to answer the research questions, a cluster analysis using data mining algorithms and Social Network Analysis was performed. The study revealed that women who experienced fewer parental mistakes in childhood displayed greater need fulfillment in adulthood than did women who experienced more parental mistakes. Women differed in their value systems depending on whether they experienced more mistakes from their fathers or mothers. Women who experienced fewer mothers’ mistakes held more values that were focused on others, while women who experienced fewer fathers’ mistakes espoused more self-centered values.

Machine learning-based business rule engine data transformation over high-speed networks

80%

Neelima K. , Vasundra S.

tom Vol. 30, no. 1

55--71

Raw data processing is a key business operation. Business-specific rules determine howthe raw data should be transformed into business-required formats. When source datacontinuously changes its formats and has keying errors and invalid data, then the effectiveness of the data transformation is a big challenge. The conventional data extraction andtransformation technique produces a delay in handling such data because of continuousfluctuations in data formats and requires continuous development of a business rule engine.The best business rule engines require near real-time detection of business rule and datatransformation mechanisms utilizing machine learning classification models. Since data iscombined from numerous sources and older systems, it is challenging to categorize andcluster the data and apply suitable business rules to turn raw data into the business-required format. This paper proposes a methodology for designing ensemble machine learning techniques and approaches for classifying and segmenting registered numbersof registered title records to choose the most suitable business rule that can convert theregistered number into the format the business expects, allowing businesses to provide customers with the most recent data in less time. This study evaluates the suggested modelby gathering sample data and analyzing classification machine learning (ML) models todetermine the relevant business rule. Experimentation employed Python, R, SQL storedprocedures, Impala scripts, and Datameer tools.