prikaz prve stranice dokumenta Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja
  Preuzmi
PDF 1.83 MB
završni rad
Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja
2021. urn:nbn:hr:122:272126
Stević, David
Sveučilište Sjever
Sveučilišni centar Varaždin
Odjel za elektrotehniku

Citirajte ovaj rad

Stević, D. (2021). Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja (Završni rad). Koprivnica: Sveučilište Sjever. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević, David. "Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja." Završni rad, Sveučilište Sjever, 2021. https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević, David. "Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja." Završni rad, Sveučilište Sjever, 2021. https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević, D. (2021). 'Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja', Završni rad, Sveučilište Sjever, citirano: 12.11.2024., https://urn.nsk.hr/urn:nbn:hr:122:272126

Stević D. Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja [Završni rad]. Koprivnica: Sveučilište Sjever; 2021 [pristupljeno 12.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:122:272126

D. Stević, "Analiza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja", Završni rad, Sveučilište Sjever, Koprivnica, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:122:272126

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:122:272126
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAnaliza utjecaja obrade podataka na uspješnost klasifikacijskih algoritama strojnog učenja
Naslov (engleski)Effects of data processing on the performance of machine learning classification models
AutorDavid Stević
MentorEmil Dumić (mentor)
Član povjerenstvaLadislav Havaš (predsjednik povjerenstva)
Član povjerenstvaTomislav Horvat (član povjerenstva)
Član povjerenstvaEmil Dumić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Sjever
(Sveučilišni centar Varaždin)
(Odjel za elektrotehniku)
Koprivnica
Datum i država obrane2021-09-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:122:272126
Studijski programNaziv: Elektrotehnika; smjerovi: Automatizacija, Biomedicinska elektronika
Smjer: Automatizacija
Vrsta studija: stručni
Stupanj studija: preddiplomski
Akademski / stručni naziv: stručni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike (bacc. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-03-22 10:40:20