diplomsko delo
Lovro Mažgon (Avtor), Vili Podgorelec (Mentor)

Povzetek

Diplomsko delo se nanaša na področje odkrivanja znanja iz podatkov, še natančneje pa opisuje klasifikacijo, priznane klasifikatorje ter mere za določanje kakovosti klasifikacije. V delu smo predstavili razvoj lastnega algoritma za klasifikacijo, ki s pomočjo izračunov oddaljenosti od učnih primerkov določi razred neznanemu primerku. Podali smo matematično definicijo algoritma ter opis implementacije v okolju Weka, s pomočjo katerega smo preizkusili uspešnost klasifikacije na dveh realnih medicinskih primerih. Dobljeni rezultati nakazujejo, da razviti algoritem razmeroma uspešno klasificira primerke in se lahko primerja s priznanimi klasifikatorji.

Ključne besede

strojno učenje;podatkovno rudarjenje;klasifikacija;Weka;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [L. Mažgon]
UDK: 004.6(043.2)
COBISS: 17470486 Povezava se bo odprla v novem oknu
Št. ogledov: 1961
Št. prenosov: 224
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: DESIGN AND IMPLEMENTATION OF A CLASSIFIER IN WEKA
Sekundarni povzetek: The thesis addresses the area of knowledge discovery from data, and even more specifically, it describesthe classification, the recognized classifiers and the metrics for evaluating classifier performance. We have presented the development of our own algorithm for classification which determines an unknown sample’s class with the help of distance calculations from the learning samples. The mathematical definition of the algorithm has been provided, as well as the description of its implementation in the Weka environment, through which we have tested the performance of the classifier on two real medical cases. The results indicate that the algorithm classifies samples relatively successfully and it can be compared with recognized classifiers.
Sekundarne ključne besede: machine learning;data mining;classification;Weka;
URN: URN:SI:UM:
Vrsta dela (COBISS): Diplomsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Informatika in tehnologije komuniciranja
Strani: VII, 52 str.
ID: 8727690
Priporočena dela:
, diplomsko delo visokošolskega strokovnega študijskega programa
, delo diplomskega seminarja
, ni podatka o podnaslovu