diplomsko delo
Anže Arhar (Avtor), Zoran Bosnić (Mentor)

Povzetek

V diplomski nalogi smo se ukvarjali s področjem izboljšanja točnosti napovedi. Izkoriščali smo pojav spreminjanja variance občutljivostnih napovedi ansambelskih metod ob dodajanju spremenjenih primerov v učno množico. Za vsak testni primer smo izdelali večje število ansamblov, ki pri gradnji modelov uporabljajo naključnost vzorčenja iz učne množice, kot sta metoda bagging in naključni gozdovi. Z dodajanjem spremenjenih testnih primerov smo pridobili občutljivostne napovedi za vsak ansambel. Na podlagi variance občutljivostnih napovedi smo iskali spremembo prvotne napovedi, ki povzroči najboljše ujemanje z ansamblom (varianca napovedi je najmanjša). Preizkusili smo več različnih ansambelskih metod in več metod iskanja minimuma variance napovedi. Eksperimentalno smo dokazali, da pri parametrih, ki smo jih izbrali za evalvacijo, ne obstaja statistična razlika med prvotnimi in popravljenimi napovedmi. S popravljenimi napovedmi nam je uspelo zmanjšati interval zaupanja napovedi za 13 %.

Ključne besede

napovedovanje;ocenjevanje zanesljivosti;ansambel;regresija;interdisciplinarni študij;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [A. Arhar]
UDK: 004.85(043.2)
COBISS: 158608899 Povezava se bo odprla v novem oknu
Št. ogledov: 27
Št. prenosov: 8
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Assessing the reliability of predictions of ensemble methods
Sekundarni povzetek: In the diploma thesis, we dealt with the area of improving prediction accuracy. We took advantage of the phenomenon of changing variance of sensitivity predictions when adding modified examples to the training set of ensemble methods. For each test case, we created a larger number of ensembles that use random sampling from the training set, such as random forest and bagging methods to build models. By adding modified test cases we obtained sensitivity predictions for each ensemble. Based on the variance of the sensitivity predictions, we searched for a change to the original prediction that would result in the best match with the ensemble (the variance of the predictions would be the lowest). We tested several different ensemble methods and methods for finding the minimal prediction variance. We experimentally proved that no statistical difference exists between the original and corrected predictions for the parameters we chose for evaluation. We also managed to reduce the confidence interval of the prediction by 13 % with the revised predictions.
Sekundarne ključne besede: prediction;reliability estimation;ensemble;regression;machine learning;computer science;computer and information science;computer science and mathematics;interdisciplinary studies;diploma;Strojno učenje;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000407
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 42 str.
ID: 19829943