연구동향 분석

국내 드라마 시청률 예측 및 영향요인 분석

강수연 ( Suyeon Kang ) 전희정 ( Heejeong Jeon ) 김지혜 ( Jihye Kim ) 송종우 ( Jong Woo Song ) 2015년

논문상세정보
인용/피인용
' 국내 드라마 시청률 예측 및 영향요인 분석' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • dramarating
  • gradientboosting
  • importantvariables
  • lassoregression
  • lasso회귀모형
  • linear regression
  • random forest
  • 그래디언트 부스팅
  • 드라마 시청률
  • 랜덤 포레스트
  • 선형 회귀 모형
  • 주요변수
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
513 1

0.0%

' 국내 드라마 시청률 예측 및 영향요인 분석' 의 참고문헌

  • 드라마 시청률 영향 요인 분석드라마 속성 및 수용자 요인을 중심으로
    배진아 한국방송학보 19 (2) : 270 ~ 309 [2005]
  • The Elements of Statistical Learning
    Hastie, T. Springer [2009]
  • Television viewing preferences: Programs, schedules, and the structure of viewing choices made by Israeli adults
    Cohen, J. Journal of Broadcasting & Electronic Media 46 : 204 ~ 221 [2002]
  • Support-vector networks
    Cortes, C. Machine Learning 20 : 273 ~ 297 [1995]
  • Stochastic gradient boosting
    Friedman, J. Computational Statistics & Data Analysis 38 : 367 ~ 378 [2002]
  • Regression shrinkage and selection via the Lasso
    Tibshirani, R Journal of the Royal Statistical Society B 58 : 267 ~ 288 [1996]
  • Random Forests
    Breiman, L Machine Learning 45 : 5 ~ 32 [2001]
  • R: a language and environment for statistical computing
    R Development Core Team R Foundation for Statistical Computing [2008]
  • Modern Applied Statistics with S
    Venables, W. N Springer [2003]
  • Generalized Boosted Models: A guide to the gbm package
  • Datamining using R
    Park, C. Kyowoo [2011]
  • Classi cation and Regression Trees
    Breiman, L Chapman and Hall [1984]
  • Bagging predictors
    Breiman, L Machine Learning 24 : 123 ~ 140 [1996]