|
|
A study of applying copulas in data mining
Ščavnický, Martin ; Holeňa, Martin (vedoucí práce) ; Hauzar, David (oponent)
Název práce: Dobývání znalostí z dat pomocí kopulí Autor: Martin Ščavnický Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: RNDr. Ing. Martin Holeňa CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Kopule jsou funkce, které popisují vztah mezi sdruženým roz- dělením náhodného vektoru a jeho marginály. Kopule umožňují modelo- vat vícerozměrná rozdělení a jsou hojně využívány ve finančnictví a zk- oumány v dobývání znalostí. V praxi existuje mnoho různých rodin kopulí, ale žádný standardní spůsob, jak vybrat tu správnou. V naší práci se zabýváme porovnáním vhodnosti různych rodin kopulí k dobývaní znalostí. Prokládáme klasifikační data pomoci osmi rodin kopulí a porovnáváme je pomocí tří metrik kvality proložení. Také používáme klasifikační algorit- mus založený na kopulích a porovnáváme jeho přesnost pro různé rodiny kopulí. Výsledky naznačují, že eliptické kopule popisují naše data nejlépe, ale v přesnosti klasifikace jsou s nimi porovnatelné hierarchické Archime- dovské kopule. V práci také navrhujeme a testujeme modifikovanou metodu pro modelování dat pomocí hierarchických Archimedovských kopulí, která je schopna lépe popsat některá data...
|
|
|
Automated prediction of results of tennis matches
Ščavnický, Martin ; Surynek, Pavel (vedoucí práce) ; Žemlička, Michal (oponent)
V předložené práci studujeme předpovídání tenisových výsledků mužů za pomoci vícevrtevnaté neuronové sítě. Navrhujeme různé druhy vstupních a výstupních parametrů a taky existují techniky jejich předzpracování pro neuronové síť. Konkrétně filtrování šumu a analýzu podstatných komponent(PCA). Taky se pokoušíme přizpůsobít původně šachový rating pro potreby tenisu. V experimentální části se pokoušíme o nalezení vhodného modelu předpovídání a studujeme vliv předzpracování na jeho účinnost. Za tímto účelme jsme také vyvinuli software který ulehčuje samotné testování a následnou predikci.
|
|
|
A study of applying copulas in data mining
Ščavnický, Martin ; Holeňa, Martin (vedoucí práce) ; Hauzar, David (oponent)
Název práce: Dobývání znalostí z dat pomocí kopulí Autor: Martin Ščavnický Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: RNDr. Ing. Martin Holeňa CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Kopule jsou funkce, které popisují vztah mezi sdruženým roz- dělením náhodného vektoru a jeho marginály. Kopule umožňují modelo- vat vícerozměrná rozdělení a jsou hojně využívány ve finančnictví a zk- oumány v dobývání znalostí. V praxi existuje mnoho různých rodin kopulí, ale žádný standardní spůsob, jak vybrat tu správnou. V naší práci se zabýváme porovnáním vhodnosti různych rodin kopulí k dobývaní znalostí. Prokládáme klasifikační data pomoci osmi rodin kopulí a porovnáváme je pomocí tří metrik kvality proložení. Také používáme klasifikační algorit- mus založený na kopulích a porovnáváme jeho přesnost pro různé rodiny kopulí. Výsledky naznačují, že eliptické kopule popisují naše data nejlépe, ale v přesnosti klasifikace jsou s nimi porovnatelné hierarchické Archime- dovské kopule. V práci také navrhujeme a testujeme modifikovanou metodu pro modelování dat pomocí hierarchických Archimedovských kopulí, která je schopna lépe popsat některá data...
|
|
|
Automated prediction of results of tennis matches
Ščavnický, Martin ; Žemlička, Michal (oponent) ; Surynek, Pavel (vedoucí práce)
V předložené práci studujeme předpovídání tenisových výsledků mužů za pomoci vícevrtevnaté neuronové sítě. Navrhujeme různé druhy vstupních a výstupních parametrů a taky existují techniky jejich předzpracování pro neuronové síť. Konkrétně filtrování šumu a analýzu podstatných komponent(PCA). Taky se pokoušíme přizpůsobít původně šachový rating pro potreby tenisu. V experimentální části se pokoušíme o nalezení vhodného modelu předpovídání a studujeme vliv předzpracování na jeho účinnost. Za tímto účelme jsme také vyvinuli software který ulehčuje samotné testování a následnou predikci.
|
host ::
RSS.