A Comparative Study of Predictive Analytics Techniques in Big Data Analysis
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
A key part of getting valuable insights from complex datasets in today's world of ever-increasing data is predictive analytics. This study uses the prediction of housing prices as a case study to compare six contemporary and conventional machine learning techniques: Random Forest, Support Vector Regression, Gradient Boosting, Decision Tree, Linear Regression, and Extreme Gradient Boosting (XG Boost). When compared to traditional statistical techniques, the results demonstrate the higher accuracy and consistency of ensemble-based techniques, especially XG Boost. In addition to performance assessment, the study discusses how predictive analytics is changing in 2025 and how cutting-edge techniques like federated learning, transformer-based models, and Auto ML with Neural Architecture Search are changing forecasting skills.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Comparative Study of Predictive Analytics Techniques in Big Data Analysis
- Date Crossref
- 14/11/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.