Název:
Srovnání správnosti klasifikace pomocí tradičních modelů a meta-modelů
Překlad názvu:
Comparison of accuracy achieved by traditional models and ensemble methods
Autoři:
Zapletal, Ondřej ; Klusáček, Jan (oponent) ; Honzík, Petr (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2014
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [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.
Klíčová slova:
Bagging; Decision Stump; k-nejbližších sousedů; meta-learning; metoda podpůrných vektorů; naivní Bayesův klasifikátor; neuronové sítě; Random Forest; rozhodovací strom; Stacking; Strojové učení; Bagging; Decision Stump; decision tree; k-nearest neighbor; Machine learning; meta-learning; naive Bayes classifier; neural net; Random Forest; Stacking; support vector machines
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/31719