|
| |
|
|
Biologicky inspirované modely založené na prototypech a aplikace gompertzovské dynamiky ve shlukové analýze
Pastorek, Lukáš ; Řezanková, Hana (vedoucí práce) ; Húsek, Dušan (oponent) ; Nánásiová, Oľga (oponent)
Tato práce se zabývá analýzou shlukovacích a mapovacích metod odvozených z principu neuronového a statistického ucení a teorie rustu. Vybraná vetev biologicky inspirovaných modelu založených na prototypech je analyzována v rámci definicního schématu, který zduraznuje návaznost techto metod na klasické "cisté" statistické koncepty. Jelikož jsou tyto metody široce chápány jako "cerné skrínky" s nepredvídatelným, nejasným a hlavne skrytým chováním, jsou poskytovány príklady prostorových a organizacních vzoru ve ve dvou-dimenzionálním prostoru. Práce navíc predstavuje koncept založený na nelineární negaussovské gompertzovské funkci, která se široce uplatnuje jako univerzální zákon v dynamických rustových modelech, zatím však bez aplikace ve výpocetní inteligenci. Podstata gompertzovské dynamiky je matematicky analyzována a je predstavena nová modifikovaná verze normalizované gompertzovské funkce. Funkce byla rovnež upravena pro potreby umelé výpocetní inteligence, pri níž jsou zkoumány souvislosti s neuronovými sítemi. Z principu Kohenenových samoorganizujících se map a algoritmu neuronového plynu jsou odvozeny a navrženy nové neuronové síte. Úspešnost gompertzovských neuronových sítí byla vyhodnocována na generovaných a reálných datových souborech. Gompertzovské neuronové síte s pevnou mrížkovou, které využívají principu poradí sousedu, vykazují nižší prumerné ctvercové odchylky v porovnání s puvodními algoritmy samoorganizujících se map. Podobne topologicky neomezené gompertzovské síte vykazují nízké úrovne chybovosti porovnatelné s algoritmem neuronového plynu, dále poskytují stabilnejší a méne chybová rešení v porovnání s metodou k-prumeru. Predstavená gompertzovská funkce se ukázala být životaschopným konceptem a efektivním nástrojem ve vícerozmerné analýze.
|
|
|
Analýza vztahů mezi finančními a sociálními indikátory v mikrofinančním sektoru
Kovář, Radoslav ; Řezanková, Hana (vedoucí práce) ; Vrabec, Michal (oponent)
V posledním desetiletí došlo k výraznému posunu v kvantifikaci sociální a finanční úspěšnosti mikrofinančních institucí. V návaznosti na rostoucí počet studií, zabývajících se kompatibilitou obou cílů, byla napsána i tato bakalářská práce. Po popisu datového souboru a objasnění metod lineární regresní analýzy a analýzy rozptylu jsou představeny jednotlivé modely. Jejich odhady a následná interpretace tvoří hlavní část práce. Podařilo se ověřit vliv vybraných sociálních ukazatelů na jednotlivé nákladové složky a na ziskovost instituce a současně vliv vybraných finančních ukazatelů na cílený výběr sociálně vyloučených klientů. Nalezené výsledky mohou být po ověření na rozsáhlejším datovém souboru zajímavé například pro investory do mikrofinančního sektoru. V této práci je rovněž dokázán společný původ všech testů lineární regresní analýzy ve Waldově testu obecných lineárních hypotéz o regresních parametrech.
|
|
|
Klasické a současné postupy ve shlukové analýze
Řezanková, Hana
Článek se zaměřuje na vývoj vybraných postupů ve shlukové analýze. Jde o nedávno navržené míry podobnosti pro objekty charakterizované nominálními proměnnými, vývoj algoritmů pro k-shlukování a vývoj metod pro shlukování v případě velkých datových souborů a kategoriálních dat. U algoritmů pro k-shlukování je pozornost věnována zohlednění neurčitosti při zařazování objektů do shluků, konkrétně algoritmům FCM (fuzzy k-průměrů), PCM, FPCM, RCM, RFCM a RFPCM. Pro velké datové soubory jsou zařazeny algoritmy CURE, ROCK, CLARA, CLARANS a BIRCH, pro shlukování kategoriálních dat pak algoritmy COOLCAT a ROCK. Zmíněna je též dvoukroková shluková analýza pro shlukování velkých datových souborů s proměnnými různých typů.
|
|
|
Zkoumání závislosti materiální deprivace domácností ČR na vybraných faktorech
Cafourková, Magdalena ; Řezanková, Hana (vedoucí práce) ; Pecáková, Iva (oponent)
Cílem této diplomové práce je analýza materiální deprivace domácností vzhledem k vybraným ukazatelům, kterými jsou náklady na bydlení, kraj, ve které domácnost žije, počet členů a počet nezaopatřených dětí v domácnosti, věk a pohlaví osoby v čele, ekonomická aktivita a vzdělání členů domácnosti. Práce si klade za cíl nejen prokázat závislost mezi zvolenými ukazateli, ale také kvantifikovat tuto závislost pomocí poměru šancí. Závislost byla zkoumána jednak pomocí analýzy v kontingenční tabulce, ale také souhrnně pomocí logistické regrese. Byl prokázán individuální vliv všech proměnných s výjimkou počtu nezaopatřených dětí, žijících v domácnosti. Dále bylo prokázáno, že faktory vedoucí k ohrožení domácnosti mírou materiální deprivace se pro různé věkové skupiny liší. Pro všechny tyto věkové skupiny však platí, že na míru materiální deprivace má vliv pohlaví osoby v čele domácnosti, vzdělání členů domácnosti a náklady, které musí domácnost vynakládat na bydlení.
|
|
|
Zásah unisex sazeb do trhu životního pojištění
Vondráčková, Hana ; Řezanková, Hana (vedoucí práce) ; Zemánek, Martin (oponent)
Diplomová práce se zabývá možnou reakcí životních pojišťoven na legislativní nařízení, ve kterém Evropská unie v rámci rovnoprávnosti zakázala používání pohlaví jako faktoru pro stanovení rozdílné výše pojistného mezi muži a ženami. Pomocí cenové analýzy produktů pěti významných pojišťoven na českém trhu je ukázáno, jakých rizik (a v jakém rozměru) se tato změna týká. Jelikož se omezí možnost určovat pojistné podle jednoho z nejdůležitějších parametrů, lze očekávat, že toto rozhodnutí bude mít na celý pojistný trh významný vliv, který bude udávat směr životního pojištění do budoucna. Rozhodnutí o obchodní strategii pojišťovny ovlivňují i jiné vstupy, např. pozice pojišťovny, její obchodní síť atd. Za nejpravděpodobnější směr vývoje trhu je zde považována nová či výraznější segmentace klientů, proto jsou na dostupných datech za pomoci hypotézy o relativní četnosti testovány návrhy nových kritérií, která by mohla pomoci určovat spravedlivější pojistné.
|
|
|
Srovnání vybraných klasifikačních metod pro vícerozměrná data
Stecenková, Marina ; Řezanková, Hana (vedoucí práce) ; Berka, Petr (oponent)
Cílem této diplomové práce je srovnání vybraných klasifikačních metod, a to logistické regrese (binární a multinomické), vícevrstvého perceptronu a klasifikačních stromů CHAID a CRT. V první části je připomenut teoretický základ těchto metod a vysvětlena podstata parametrů modelu. V další části jsou na šesti datových souborech aplikovány výše uvedené klasifikační metody a následně porovnány výstupy těchto metod. Důraz je kladen zejména na hodnocení diskriminační síly modelů. Této problematice je věnována samostatná kapitola. Hodnocení diskriminační síly modelu je založeno na celkové úspěšnosti, F-míře a velikosti plochy pod ROC křivkou. Přínosem práce není pouze srovnání vybraných klasifikačních metod na základě statistik hodnotících diskriminační sílu modelů, ale také celkový přehled o přednostech a nedostatcích jednotlivých metod.
|
|
|
Hodnocení výsledků metod shlukové analýzy
Löster, Tomáš ; Řezanková, Hana (vedoucí práce) ; Berka, Petr (oponent) ; Dohnal, Gejza (oponent)
Shluková analýza zahrnuje řadu metod a postupů, které slouží především ke klasifikaci objektů. Zastává významnou roli v mnoha odvětvích. Vzhledem k tomu, že se výsledná rozdělení objektů do shluků mohou lišit v závislosti na zvolených metodách a dílčích specifikacích, je vhodné získané výsledky hodnotit. Jedním z cílů této disertační práce bylo vytvořit strukturovaný přehled existujících koeficientů a postupů určených pro hodnocení výsledků shlukování, a to jednak v závislosti na použitých metodách, jednak v závislosti na počtu shluků. Hlavním cílem pak bylo navržení nových, resp. modifikace existujících koeficientů pro hodnocení těchto výsledků v situaci, kdy jsou objekty charakterizované kvalitativními proměnnými, resp. proměnnými různých typů. Nově navržené koeficienty jsou založeny na zjišťování variability, která je současně využívána i pro stanovení odlišnosti objektů i shluků. Variabilita v případě nominálních proměnných je zjišťována buď na základě variačního poměru, nebo pomocí entropie, či Giniho koeficientu, v případě ordinálních proměnných pak na základě koeficientu dorvar; v případě kombinace s kvantitativními proměnnými jde o kombinaci s využitím rozptylu. Vhodnost použití vybraných koeficientů je zkoumána na reálných datech, u kterých je buď známé, nebo neznámé zařazení objektů do shluků. Analyzované datové soubory jsou různého rozsahu, obsahují různé typy a počty proměnných. V daných situacích je zjišťována možnost aplikace vybraných koeficientů pro stanovení optimálního počtu shluků. Cíle práce je tedy možné považovat za splněné. Přínosem této disertační práce je navržení nových způsobů měření podobnosti objektů a shluků v případech, jsou-li objekty charakterizovány jinými než pouze kvantitativními proměnnými. Dalším přínosem je klasifikace existujících hodnotících koeficientů. Stěžejním přínosem je navržení nových koeficientů pro případ kvalitativních proměnných, resp. proměnných různých typů. Na základě provedených analýz byl identifikován koeficient, pomocí něhož bylo možné správně určit optimální počet shluků (na rozdíl od dosud používaného koeficientu).
|
|
|
Míry kvality klasifikačních modelů a jejich převod
Hanusek, Lubomír ; Hebák, Petr (vedoucí práce) ; Řezanková, Hana (oponent) ; Skalská, Hana (oponent)
Prediktivní sílu klasifikačních modelů lze vyhodnotit různými ukazateli. V oblasti data miningu (dále DM) se nejvíce využívají míry Giniho koeficient, Kolmogorovova-Smirnovova statistika a lift. Tyto míry jsou založeny na zcela rozdílném způsobu výpočtu a je-li analytik zvyklý používat jednu z těchto měr, může být pro něj těžké udělat si představu o kvalitě modelu vyhodnoceném jinou mírou. Tato práce si klade za cíl nalézt mezi jednotlivými mírami převodní mechanismus. Přestože hlavní důraz je kladen na tři výše uvedené míry, práce se zabývá i dalšími ukazateli, a to sensitivitou, specificitou, celkovou správností a plochou pod ROC křivkou. Při vývoji DM modelů často vzniká potřeba pracovat nikoli s původním základním souborem o rozsahu miliónů či desítek miliónů pozorování, ale s výběrem, který je stratifikovaný dle hodnot vysvětlované proměnné Y. Vyhodnotí-li se pak model na stratifikovaných datech, vzniká potřeba vědět, jak se jednotlivé míry změní při přepočtu na základní soubor. Tato práce popisuje způsob, jak tento převod uskutečnit. Součástí této práce je i softwarová aplikace, která výše uvedené převody umožňuje. S její pomocí lze nejen převádět jednu míru kvality na druhou, ale také převádět míry získané na stratifikovaném souboru na soubor základní. Výstupem této aplikace je vedle požadovaných měr (sensitivita, specificita, celková správnost, Giniho koeficient, Kolmogorovova-Smirnovova statistika) také konfuzní matice a grafy kvality (lift křivka, gains křivka, ROC křivka a KS křivka). Internetová adresa, kde lze aplikaci stáhnout, a také uživatelský manuál k této aplikaci jsou součástí této práce. Veškerá teorie popsaná v této práci byla ověřena na reálných datových souborech.
|
|
|
Shluková analýza rozsáhlých souborů dat: nové postupy založené na metodě k-průměrů
Žambochová, Marta ; Řezanková, Hana (vedoucí práce) ; Húsek, Dušan (oponent) ; Antoch, Jaromír (oponent)
Abstrakt Shluková analýza se stala jedním z hlavních nástrojů používaných při získávání znalostí z dat, které je označováno jako data mining. V této nové oblasti analýzy dat se často zpracovávají datové soubory velkých rozměrů, a to jak co do počtu sledovaných objektů, tak co do počtu proměnných, kterými jsou objekty charakterizovány. Pro shlukování dat bylo vyvinuto mnoho metod. Jednou z často používaných technik je metoda k-průměrů. Jejím základem je hledání nejlepšího přiřazení objektů do shluků na principu inicializačního rozdělení objektů a následného postupného přerozdělování s využitím optimalizační funkce. Cílem této disertační práce bylo jednak porovnání vybraných existujících variant metody k-průměrů, detailní charakteristika jejich pozitivních a negativních vlastností, jednak návrh nových modifikací této metody a jejich experimentální srovnání s již existujícími přístupy. Tyto cíle byly splněny. Ve své práci jsem se zaměřila na modifikace metod k-průměrů pro shlukování velkého počtu objektů, konkrétně na algoritmy BIRCH k-průměrů, filtrovací, dvou- fázový a k-průměrů++. Experimentálně jsem sledovala časovou náročnost jednotlivých algoritmů, vliv inicializačních rozdělení, vliv odlehlých objektů a validitu výsledných shluků. Při experimentech byly použity dva reálné datové soubory a dále několik souborů generovaných. V závěru práce jsou shrnuty společné a rozdílné rysy zkoumaných variant metody k-průměrů s důrazem na výše uvedená hlediska. Přínosem práce je tedy kromě zhodnocení současných variant metody k-průměrů především návrh výše uvedených nových modifikací, jejich naprogramování a experi- mentální ověření. Modifikace přinesly zejména urychlení výpočtu způsobené zjedno- dušením práce s účelovou funkcí a kritérií ukončení programu. Aplikování hlavní myšlenky algoritmu k-průměrů++ do jiných variant metody k-průměrů přineslo lepší vý-sledky shlukování z hlediska variability. Nejzásadnější z navržených změn je modifi-kace filtrovacího algoritmu, která přináší zcela novou vlastnost této metody, a to odhalení odlehlých objektů. Součástí práce je CD, které obsahuje zdrojové kódy jednotlivých programů vytvořených ve vývojovém prostředí MATLAB. Programy byly vytvořeny speciálně pro účely této práce a jsou určeny pro experimentální použití. CD také obsahuje datové soubory využívané k jednotlivým pokusům.
|
host ::
RSS.