diplomska naloga
Povzetek
V diplomski nalogi raziskujemo, kako lahko odločitvene modele v programu Orange
uporabimo za čiščenje odpadne vode. Glavno vprašanje, ki nas zanima, je, kako dobro lahko ti
modeli napovedujejo učinkovitost čistilnih naprav za odpadne vode, še posebej ko gre za
razmerje med različnimi vhodnimi in izhodnimi parametri. Da bi to ugotovili, smo se lotili
kombinacije empirične analize in strojnega učenja. Uporabili smo tri različne algoritme: Neural
Networks (NN), Random Forest (RF) in Naivni Bayes (NB). Da bi še dodatno izboljšali naše
modele, smo vključili tudi algoritem ReliefF, ki nam je pomagal izbrati tiste spremenljivke, ki
najbolj vplivajo na naše rezultate. Glavni cilj naše raziskave je bil razjasniti, kako lahko
odločitveni modeli pomagajo pri čiščenju odpadne vode. Končni cilji so bili jasni: ustvariti
robustne odločitvene modele, preveriti, kako dobro delujejo, in ugotoviti, katere spremenljivke
so ključne za uspešno čiščenje odpadne vode.
Ključne besede
strojno učenje;nevronske mreže;naključni gozd;naivni Bayes;algoritem ReliefF;odločitveni modeli;Orange;
Podatki
Jezik: |
Slovenski jezik |
Leto izida: |
2023 |
Tipologija: |
2.11 - Diplomsko delo |
Organizacija: |
FIŠ - Fakulteta za informacijske študije v Novem mestu |
Založnik: |
[M. Štemberger] |
UDK: |
004.8(043.2) |
COBISS: |
174939907
|
Št. ogledov: |
435 |
Št. prenosov: |
32 |
Ocena: |
0 (0 glasov) |
Metapodatki: |
|
Ostali podatki
Sekundarni jezik: |
Angleški jezik |
Sekundarni povzetek: |
In this thesis, we explore how decision models in Orange can be used for wastewater treatment.
The main question we are interested in is how well these models can predict the performance
of wastewater treatment plants, especially when it comes to the relationship between different
input and output parameters. In order to find out, we have undertaken a combination of
empirical analysis and machine learning. We used three different algorithms: Neural Networks
(NN), Random Forest (RF) and Naive Bayes (NB). In order to further improve our models, we
also included the ReliefF algorithm, which helped us to select those variables that have the most
impact on our results.The main objective of our research was to clarify how decision models
can help in wastewater treatment. The final objectives were to create robust decision models,
to test how well they work, and to find out which variables are key to successful wastewater
treatment. |
Sekundarne ključne besede: |
machine learning;neural networks;random forest;naive Bayes;ReliefF algorithm;decision models;Orange;Strojno učenje;Nevronske mreže (računalništvo); |
Vrsta dela (COBISS): |
Diplomsko delo/naloga |
Komentar na gradivo: |
Fakulteta za informacijske študije v Novem mestu |
Komentar vira: |
Na ov.: Diplomska naloga : visokošolskega strokovnega študijskega programa prve stopnje;
|
Strani: |
XV, 83 str. |
ID: |
21492972 |