Using ARIMA to Predict the Expansion of Subscriber Data Consumption

要約

この研究では、ARIMA モデルなどの機械学習技術を使用した予測モデリングに焦点を当て、加入者データから取得された洞察が電気通信における意思決定にどのような影響を与える可能性があるかについて議論します。
この研究では、加入者の使用傾向を予測するための時系列予測を調査し、さまざまな指標を使用して ARIMA モデルのパフォーマンスを評価します。
また、ARIMA と畳み込みニューラル ネットワーク (CNN) モデルを比較し、精度と実行速度における ARIMA の優位性を強調しています。
この調査では、追加の予測モデルの探索や、加入者のデータ使用に影響を与える他の要因の検討など、研究の今後の方向性が示唆されています。

要約(オリジナル)

This study discusses how insights retrieved from subscriber data can impact decision-making in telecommunications, focusing on predictive modeling using machine learning techniques such as the ARIMA model. The study explores time series forecasting to predict subscriber usage trends, evaluating the ARIMA model’s performance using various metrics. It also compares ARIMA with Convolutional Neural Network (CNN) models, highlighting ARIMA’s superiority in accuracy and execution speed. The study suggests future directions for research, including exploring additional forecasting models and considering other factors affecting subscriber data usage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google