| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva

Naslov:INDUKTIVNO UČENJE IZ OPAZOVANJ
Avtorji:Pišorn, Miha (Avtor)
Guid, Nikola (Mentor) Več o mentorju... Novo okno
Strnad, Damjan (Komentor)
Datoteke:.pdf UNI_Pisorn_Miha_2014.pdf (2,45 MB)
MD5: B2AE36062A0ACC477ED3D685E7A7C332
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V diplomskem delu predstavimo učenje iz podatkov, kot model predvidevanja uporabimo odločitvena drevesa. Preučimo problem prekomernega prilagajanja in pogoste metode za njegovo omiljenje. Ansambelsko učenje je koncept v okviru umetne inteligence, ki združuje metode, ki sestavijo nabor klasifikatorjev in klasificirajo nove vhodne podatke na podlagi glasovanja. Te metode preučimo in pokažemo, zakaj se pogosto odrežejo bolje od posameznih klasifikatorjev. Implementiramo pogosto uporabljan algoritem Adaboost in preizkusimo njegovo obnašanje. Kot klasifikatorje uporabimo odločitvena drevesa.
Ključne besede:umetna inteligenca, strojno učenje, odločitveno drevo, ansambelsko učenje, Adaboost
Leto izida:2014
Založnik:[M. Pišorn]
Izvor:Maribor
UDK:004.89(043.2)
COBISS_ID:18546710 Novo okno
NUK URN:URN:SI:UM:DK:PSA7HASN
Število ogledov:1613
Število prenosov:97
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:KTFMB - FERI
:
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:INDUCTIVE LEARNING FROM OBSERVATION
Opis:In this diploma thesis we review learning from data using decision trees as a prediction model. We study the problem of overfitting and review common methods used to contain it. Ensemble learning is a concept in artificial intelligence that encompasses methods constructing a set of classifiers and classify new input data by taking a vote of their predictions. We review these methods and show why they often outperform single classifiers. We implement commonly used Adaboost algorithm and test its behavior, using decision trees as classifiers.
Ključne besede:artificial intelligence, machine learning, decision tree, ensemble learning, Adaboost


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici