Usporedba uspješnosti različitih algoritama strojnog učenja na različitim skupovima podataka

završni rad

• Naslov (engleski): Comparing Efficiency of Various Machine Learning Algorithms on Different Datasets
• Autor: Igor Šarić
• Mentor: Marin Šilić (mentor)
• Član povjerenstva: Marin Šilić (predsjednik povjerenstva)
• Član povjerenstva: Klemo Vladimir (član povjerenstva)
• Član povjerenstva: Goran Delač (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj je usporediti algoritme strojnog učenja koji rješavaju problem klasifikacije na različitim skupovima podatka. Usporedba se temelji na točnosti predviđanja algoritama na njima prije neviđenim podacima. Algoritmi koji se uspoređuju su: Naivni Bayesov klasifikator, Stablo odluke, Najbliži susjed, Linearna diskriminantna analiza, Logistička regresija i Stroj potpornih vektora. Usporedba se provodila nad tri različita skupa podataka. Rezultati usporedbe su pokazali da algoritmi Stablo odluke i Najbliži susjed imaju dobru točnost neovisno o vrsti podataka, dok algoritmi Linearne diskriminantne analize, Logističke regresije i Stroja potpornih vektora imaju dobre i bolje rezultate za specifičnije vrste podatka.

Sažetak (engleski)

The goal is to compare different machine learning algorithms for classification problems using different datasets. The comparison is based on predicting the classes of data not previously seen by the algorithms. Algorithms used in the comparison are: Naive Bayes classifier, Decision tree, Nearest neighbour, Linear discriminant analysis, Logistic regression, Support vector machine. Three different datasets were used for the comparison. Results of the comparison show that accuracies of Nearest neighbour and Decision tree algorithms are good, no matter the data type, while algorithms like Linear discriminant analysis, Logistic regression and Support vector machine have better result for specific data types.

• Ključne riječi: Strojno učenje; usporedba uspješnosti; klasifikacija; Naivni Bayesov kalsifkator; Stablo odluke; Najbliži susjed; Linearna diskriminantna analiza; Logistička regresija; Stroj potpornih vektora
• Ključne riječi (engleski): Machine learning; comparison; classification; Naive Bayes classifier; Decision tree; Nearest neighbour; Linear discriminant analysis; Logistic regression; Support vector machine
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:059567
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 01:08:25