20.500.12556/DKUM-46375 INDUKTIVNO UČENJE IZ OPAZOVANJ INDUCTIVE LEARNING FROM OBSERVATION 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. 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. umetna inteligenca strojno učenje odločitveno drevo ansambelsko učenje Adaboost artificial intelligence machine learning decision tree ensemble learning Adaboost true true false [M. Pišorn] Slovenski jezik Angleški jezik Diplomsko delo/naloga 2014-09-24 12:27:12 2015-03-06 13:07:13 2022-05-17 03:11:37 2021-05-05 03:26:26 2014 0 Maribor 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.89(043.2) 18546710 URN:SI:UM:DK:PSA7HASN UNI_Pisorn_Miha_2014.pdf UNI_Pisorn_Miha_2014.pdf 1 B2AE36062A0ACC477ED3D685E7A7C332 f61f54d8f09ae2367d053a6cc464a224594951d927799d75b8f8360d8a4bef10 545cf8ad-7c0b-11eb-bb7a-00155d0001ca https://dk.um.si/Dokument.php?lang=slv&id=68022 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0