|
|
Comparison of Heuristic and Conventional Statistical Methods in Data Mining
Bitara, Matúš ; Žák, Libor (oponent) ; Bednář, Josef (vedoucí práce)
The thesis deals with the comparison of conventional and heuristic methods in data mining used for binary classification. In the theoretical part, four different models are described. Model classification is demonstrated on simple examples. In the practical part, models are compared on real data. This part also consists of data cleaning, outliers removal, two different transformations and dimension reduction. In the last part methods used to quality testing of models are described.
|
|
|
Umělá inteligence pro deskovou hru
Tureček, Dominik ; Baskar, Murali Karthick (oponent) ; Beneš, Karel (vedoucí práce)
Tato práce navrhuje hráče ovládané umělou inteligencí pro hru Dice Wars. Dice Wars je nedeterministická tahová hra s nulovým součtem. Bylo vytvořeno několik AI hráčů s využitím pravidlového přístupu, algoritmu expecitminimax a logistické regrese. Pro zhodnocení kvality navržených AI hráčů byla vytvořena implementace hry Dice Wars. Z výsledků experimentů vyplývá, že ve hře dvou hráčů je výhodnější hrát agresivněji než v případě vícehráčových her. Ve hře osmi hráčů vyhrává AI využívající expectiminimax přes 60 % her proti náhodným hráčům a 21.4 % her proti ostatním navrženým AI. Ve hrách dvou hráčů dosahuje nejlepších výsledků AI založená na logistické regresi, která jako příznaky používá skóre a počty kostek jednotlivých hráčů. V průměru vyhrává 59.4 % her.
|
|
|
Demonstrační aplikace lineární logistické regrese
Bak, Adam ; Kesiraju, Santosh (oponent) ; Beneš, Karel (vedoucí práce)
Táto bakalárska práca sa zaoberá lineárnou logistickou regresiou, modelom pre strojové učenie. Cieľom tejto práce je podrobne preskúmať a zanalyzovať ako tento klasifikačný model funguje, aby bolo možné vyvinúť učebnú pomôcku vo forme demonštračnej aplikácie. Všetky matematické rovnice, logistická sigmoida, chybová funkcia vzájomnej entropie, metóda najväčšieho spádu sú odvodené a podrobne vysvetlené. Táto práca tiež prináša náhľad do tvaru grafu chybovej funkcie vzájomnej entropie v prípade lineárnej logistickej regresie.
|
|
|
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.
|
|
|
Statistická klasifikace pomocí zobecněných lineárních modelů.
Sladká, Vladimíra ; Mrázková, Eva (oponent) ; Michálek, Jaroslav (vedoucí práce)
Cílem této diplomové práce je zavést teorii zobecněných lineárních modelů, speciálně pak probitový a logitový model. Tyto jsou zejména používány pro zpracování medicínských dat. V našem konkrétním případě jsou zmíněné modely aplikovány na datový soubor získaný ve fakultní nemocnici Brno. Úkolem je statisticky analyzovat imunitní odezvu dětských pacientů v závislosti na dvanácti vybraných typech genů a odhalit jaké kombinace těchto uvažovaných genů ovlivňuji septické stavy u pacientů.
|
|
|
Evoluční návrh simulátoru založeného na celulárních automatech
Brigant, Vladimír ; Šperka, Svatopluk (oponent) ; Mrnuštík, Michal (vedoucí práce)
Tato práce popisuje návrh simulátoru založeného na celulárních automatech, který je schopen předpovědet chování komplexního prostorového systému. Tato predikce je založena na dostupních datech a přechodové funkci získané pomocí regresní analýzy ve spolupráci s evolučními algoritmy. Dvě metody regresné analýzy (lineární a logistická regrese) jsou navrhnuty, implementovány a porovnány na predikci rastu urbanizace města Brno.
|
|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
|
|
Predikce bankrotu zemědělských podniků
Slavík, Tomáš
Slavík, T. Predikce bankrotu zemědělských podniků. Bakalářská práce. Brno: Mendelova univerzita v Brně, 2024. Bakalářská práce se zaměřuje na predikci bankrotu zemědělských podniků ve čtrnácti vybraných zemích EU. Hlavním cílem je vytvořit a ověřit přesnost modelu pro predikci bankrotních podniků v období jeden, dva a tři roky před bankrotem. Pro dosažení tohoto cíle je zvolena metoda logistické regrese. Dílčí cíl zahrnuje optimalizaci dělícího bodu pomocí Youdenova indexu za účelem zvýšení výkonnosti modelu. Výsledky této práce ukazují, že správnost klasifikace bankrotních podniků podle výchozího dělícího bodu 0,5 není vyhovující. Pro zvýšení schopnosti klasifikace bankrotních podniků byla provedena optimalizace dělícího bodu, která vedla k významnému zlepšení schopnosti modelu předvídat bankrot zemědělských podniků.
|
|
|
Vliv makroekonomického prostředí na existenci zombie firem
Sedlák, Pavel
Práce se zabývá identifikací vlivu vybraných determinantů na pravděpodobnost vzniku zombie firmy v Evropských zemích. Teoretická část charakterizuje zombie firmy, zkoumá jejich identifikaci a následky na ekonomiku. Následně popisuje strukturu pasiv podniků a vysvětluje vliv institucionálního prostředí a chování firem na jejich financování. Empirická část práce se zabývá analýzou panelových dat pomocí logistické regrese s fixními efekty, která testuje vliv mikroekonomického, makroekonomického a institucionálního prostředí na vznik zombie firem. Výsledky jsou statisticky významné a robustní.
|
|
|
Predikcia bankrotu lesníckych podnikov
Blihárová, Terézia
Bakalářská práce se zabývá tématem predikce bankrotu lesnických podniků EU pomocí metody binární logistické regrese. Cílem této práce je tvorba bankrotních modelů jeden, dva a tři roky před bankrotem podniků pozitivní skupiny a následné ověření správnosti těchto modelů. Částečným cílem této práce je optimalizace dělícího bodu ve snaze získat co nejlepší klasifikační schopnosti modelů v závislosti na klasifikaci bankrotních podniků. Výsledková část ukázala, že modely s použitým optimálním dělícím bodem, jeden a dva roky před vyhlášením bankrotu mají schopnost kvalitně predikovat bankrot lesnických podniků. Tři roky před vyhlášením podniku, dokázal model s optimálním dělícím bodem stále schopně předpovědět bankrot, avšak poměr nesprávné klasifikace aktivních podniků byl poměrně vysoký.
|
host ::
RSS.