Andikazidanef15 / DynamicGPR

This repo is the implementation of Dynamic Gaussian Process Regressor used on Fitting Big Data

Dynamic Gaussian Process Regressor Repository

Untuk memenuhi Tugas Besar MA4282 Kapita Selekta Statistika II Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Bandung (FMIPA ITB)

Dibuat oleh

• Matias Judatama Partahi (10119027)
• Susanty Sitompul (10119060)
• Fadhilah Sana Rachmaputri (10119085)
• Yoshua Robertus Hartono (10119102)
• Andika Zidane Faturrahman (10119111)

Repo ini mengandung kode Python berisi class Dynamic Gaussian Process Regressor (GPR) sebagai berikut:

• model.py: File python mengandung algoritma Dynamic Gaussian Process Regressor
• kernels.py: File python yang berisi algoritma kernel Radial Basis Function (RBF) and Automatic Relevance Determination (ARD)
• K4_Tubes_DynamicGPR (1).ipynb: Python notebook berisi analisis data Airline Delay (diperoleh dari https://www.kaggle.com/datasets/giovamata/airlinedelaycauses) dan prediksi variabel Departure Delay dari suatu maskapai penerbangan dengan menggunakan Dynamic Gaussian Process Regressor
• Poster Tugas Besar K4.pdf: Poster berisi ringkasan terkait laporan prediksi model Dynamic Gaussian Process Regressor (GPR)

Referensi:

1. Beckers, Thomas. (2021). An Introduction to Gaussian Process Models. arXiv preprint arXiv:2102.05497.
2. Micci-Barreca, D. (2001). A Preprocessing Scheme for High-Cardinality Categorical Attributes in Classification and Prediction Problems. SIGKDD Explor. Newsl., 3(1), 27–32.