prikaz prve stranice dokumenta Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja
  Download
PDF 1.83 MB
undergraduate thesis
Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja
2021. urn:nbn:hr:122:272126
Stević, David
University North
University centre Varaždin
Department of Electrical Engineering

Cite this document

Stević, D. (2021). Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja (Undergraduate thesis). Koprivnica: University North. Retrieved from https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević, David. "Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja." Undergraduate thesis, University North, 2021. https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević, David. "Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja." Undergraduate thesis, University North, 2021. https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević, D. (2021). 'Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja', Undergraduate thesis, University North, accessed 22 November 2024, https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević D. Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja [Undergraduate thesis]. Koprivnica: University North; 2021 [cited 2024 November 22] Available at: https://urn.nsk.hr/urn:nbn:hr:122:272126

D. Stević, "Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja", Undergraduate thesis, University North, Koprivnica, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:122:272126

Please login to the repository to save this object to your list.
Metadata
TitleAnaliza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja
Title (english)Effects of data processing on the performance of machine learning classification models
AuthorDavid Stević
MentorEmil Dumić (mentor)
Committee memberLadislav Havaš (predsjednik povjerenstva)
Committee memberTomislav Horvat (član povjerenstva)
Committee memberEmil Dumić (član povjerenstva)
GranterUniversity North
(University centre Varaždin)
(Department of Electrical Engineering)
Koprivnica
Defense date and country2021-09-28, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
U ovom radu analizirana je uspješnost nekoliko klasifikacijskih algoritama strojnog učenja u ovisnosti o predobradi ulaznih podataka. U praktičnom dijelu rada ispitana je uspješnost klasifikacijskih algoritama nadziranog strojnog učenja, a to su logistička regresija, k-najbližih susjeda, algoritam stabla odluke, neuronske mreže i stroj potpornih vektora, u ovisnosti o standardizaciji, smanjenju ili povećanju broja uzoraka za balansiranje klasa, smanjenju broja značajki, eliminaciji kolinearnih značajki, različitim načinima kodiranja oznaka klasa. Ispitivanje se provodi nad nekim skupovima realnih podataka, posebno na skupu podataka za učenje i skupu podataka za ispitivanje, preuzetih s javno dostupnih stranica poput www.kaggle.com. Uspješnost klasifikacijskih algoritama uspoređuje se nad skupom podataka za ispitivanje pomoću različitih mjera poput točnosti, F1 mjere, preciznosti i odziva, izračunatih iz matrice zabune.
Abstract (english)
This paper analyzes the success of several classification algorithms of machine learning depending on the pretreatment of input data. In the practical part of the paper, the performance of classification algorithms of supervised machine learning was examined, these are logistical regression, k-nearest neighbors, decision tree algorithm, neural networks and support vector machine, depending on standardization, reducing or increasing the number of patterns for balancing classes, reducing the number of features, eliminating cholinear features, different ways of encoding class labels. The test shall be carried out on some real datasets, in particular the learning dataset and the test dataset, downloaded from publicly available sites such as www.kaggle.com. The success of classification algorithms is compared over the data set for testing using various measures such as accuracy, F1 measure, precision and response, calculated from the confusion matrix.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:122:272126
Study programmeTitle: Electrical Engineering; specializations in: Automatisation, Biomedical Electronics
Course: Automatisation
Study programme type: professional
Study level: undergraduate
Academic / professional title: stručni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike (stručni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2022-03-22 10:40:20