Iskanje po katalogu digitalne knjižnice

Opis: V doktorski nalogi opišemo razvoj metode za izbiro klasifikatorja. Glavni prispevek omenjene metode je izbor najustreznejših kombinacij: metode za merjenje točnosti, klasifikacijskega algoritma in velikostjo učne množice; v okviru uporabniško definiranih kriterijev. Metoda je splošna in posledično tudi prilagodljiva ter razširljiva. Postopek izvajanja je formalno zapisan v obliki psevdokoda. Za potrebe zagotavljanja teoretične podlage izvedemo tudi več empiričnih raziskav, kjer dobljene rezultate analiziramo s serijo statističnih preizkusov. Izsledki raziskav doprinesejo naslednje prispevke k znanosti. Formalizacija odločitev in kriterijev za izbiro najustreznejše metode za merjenje točnosti. Formalizacija odločitev in kriterijev za izbiro najustreznejšega klasifikacijskega algoritma. Izbor matematičnega modela, ki v splošnem najbolje opiše obliko učnih krivulj. Formalizacija terminalnih kriterijev za določanje najustreznejše velikosti učne množice.
Ključne besede: Strojno učenje, klasifikacija, klasifikacijski algoritmi, podatkovne zbirke, primerjava algoritmov, zmogljivost klasifikacije, navzkrižna validacija, metoda bootstrap, učna krivulja, prileganje krivulj, aproksimacija krivulj, potenčni zakon, eksponentni zakon, terminalni kriteriji
Objavljeno: 21.07.2016; Ogledov: 587; Prenosov: 134
Celotno besedilo (3,04 MB)