<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Napovedovanje gostote prometa z uporabo strojnega učenja</dc:title><dc:creator>Kralj,	Andraž	(Avtor)
	</dc:creator><dc:creator>Mongus,	Domen	(Mentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>promet</dc:subject><dc:subject>ansambel dreves</dc:subject><dc:subject>značilnice</dc:subject><dc:subject>obdelava podatkov</dc:subject><dc:description>V magistrskem delu naslavljamo problem dolgoročnih napovedi prometa. V ta namen
najprej predstavimo sorodno delo in podamo teoretično osnovo izvedbe različnih modelov
strojnega učenja ter kodiranja cikličnih podatkov. V nadaljevanju podrobneje predstavimo
naš pristop, ki omogoča izvedbo letnih napovedi z urno ločljivostjo. Različne pristope
pri tem sistematično primerjamo in z rezultati pokažemo, da smo obravnavni problem
najučinkoviteje naslovili z uporabo metode XBoost in kodiranja cikličnih podatkov s
podobnostjo.</dc:description><dc:date>2023</dc:date><dc:date>2023-10-15 12:40:05</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>86158</dc:identifier><dc:language>sl</dc:language></metadata>
