Original title: Srovnání správnosti klasifikace pomocí tradičních modelů a meta-modelů
Translated title: Comparison of accuracy achieved by traditional models and ensemble methods
Authors: Zapletal, Ondřej ; Klusáček, Jan (referee) ; Honzík, Petr (advisor)
Document type: Bachelor's theses
Year: 2014
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato práce se zabývá empirickým porovnáváním tradičních modelů a meta-modelů v úlohách klasifikace. Na 20 datových souborech je statisticky porovnána přesnost 12 modelů programu RapidMiner. V druhé části je popsána vlastnoručně naprogramovaná aplikace v programovacím jazyce C#, která implementuje 6 modelů. Čtyři z nich jsou porovnány s modely ekvivalentními modely programu RapidMiner. This thesis deals with empirical comparison of traditional and meta-learning models in classification tasks. Accuracy of 12 RapidMiner models was statistically compared on 20 data sets. Second part of this thesis consists of description of self-programed application in programing language C#, which implements 6 different models. Four of those are compared with equivalent models of program RapidMiner.
Keywords: Bagging; Decision Stump; decision tree; k-nearest neighbor; Machine learning; meta-learning; naive Bayes classifier; neural net; Random Forest; Stacking; support vector machines; Bagging; Decision Stump; k-nejbližších sousedů; meta-learning; metoda podpůrných vektorů; naivní Bayesův klasifikátor; neuronové sítě; Random Forest; rozhodovací strom; Stacking; Strojové učení

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/31719

Permalink: http://www.nusl.cz/ntk/nusl-244492


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses