(Kadir Has Üniversitesi, 2016) Dağ, Hasan; Dağ, Hasan
Son elektrik tüketimini tahmin etmek amacıyla, hız ve güvenilirliği artırmak gerekir. hız ile ilgili olarak, birçok kat daha hızlı HDD den veri manipüle sağlar en iyi çözümdür IN-Bellek veritabanını kullanır. Bu amaçla, biz "en iyi" açık kaynak In-Memory veritabanı gibi YCSB gibi standart bir kriter kullanarak seçmeniz gerekir. güvenilirlik için, makine öğrenimi algoritmalarını kullanmaktadır. Model performans ve doğruluk verilerine her zaman bağlı olarak değişebilir bu yana, birçok algoritmalar test etmek ve en iyisini seçmek. Bu tezde, Python ve Aerospike bellek veritabanında öğrenme makinesi kullanılarak elektrik tüketimini tahmin etmek Londra Hanehalkı SmartMeter Enerji Tüketimi Verileri kullanın. Çalışma veri seti için en iyi algoritma Torbalama olduğunu göstermektedir. Biz de Ar-kare her zaman en iyi algoritma seçmek için iyi bir test olmadığını kanıtlamak. Son olarak, biz belirli bir zamanda tüketimini tahmin etmek deneyimli olmayan kullanıcılar tarafından kullanılabilir Python kullanarak makine öğrenimi, bir grafiksel kullanıcı arabirimi öneriyoruz