Induktivno učenje iz opazovanj

diplomsko delo

Miha Pišorn (Avtor), Nikola Guid (Mentor), Damjan Strnad (Komentor)

Povzetek

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;odločitvena drevesa;ansabelsko učenje;Adaboost;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2014
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik:	[M. Pišorn]
UDK:	004.89(043.2)
COBISS:	18546710
Št. ogledov:	1878
Št. prenosov:	108
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	INDUCTIVE LEARNING FROM OBSERVATION
Sekundarni povzetek:	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.
Sekundarne ključne besede:	artificial intelligence;machine learning;decision trees;ensemble learning;Adaboost;
URN:	URN:SI:UM:
Vrsta dela (COBISS):	Diplomsko delo/naloga
Komentar na gradivo:	Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani:	34 f.
ID:	8738923