20.500.12556/DKUM-78193 Strojno učenje za podporo bolj učinkovitega postopka diagnoze bolezni magistrsko delo Machine learning for more efficient disease diagnosis Razširjenost trenda masovnega hranjenja podatkov na različnih področjih znanosti omogoča vse naprednejšo uporabo metod strojnega učenja za iskanje novega znanja. Magistrsko delo zajema predstavitev osnovnih konceptov in tehnik za obdelavo podatkov, obravnavo manjkajočih vrednosti in končno uporabo pri učenju popularnejših algoritmov strojnega učenja z namenom klasifikacije laboratorijskih meritev pacientov. Primerjani sta uspešnost klasifikacijskih modelov naivni Bayes, k-najbližjih sosedov, odločitveno drevo, metoda podpornih vektorjev, naključni gozd, nevronska mreža, Adaboost in Adabagg ter vpliv metod podvzorčenja, nadvzorčenja in SMOTE za balansiranje učnih podatkov. Implementiran je tudi grafični vmesnik za vnos meritev, klasifikacijo, pregled rezultatov in pomembnosti lastnosti. The spreading trend of storing data in multiple scientific fields has enabled more advanced methods of machine learning to be used in search of new knowledge. An overview of basic concepts and techniques for data preparation, handling of missing values and usage in the learning process of some more popular machine learning algorithms for patient lab result classification is presented. Comparison of naive Bayes, k-Nearest neighbour, decision tree, support vector machine, random forest, Adaboost and Adabagg machine learning models on oversampled, undersampled and SMOTE balanced dataset accuracy is made. An implementation of a user interface for data input, classification, result and feature importance overview is included. strojno učenje diagnoza bolezni klasifikacija diabetes machine learning disease diagnosis classification diabetes true true false [J. Kučer] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2020-11-13 10:34:32 2021-01-04 06:42:57 2022-08-09 17:41:12 2021-01-23 03:23:22 2020 0 Maribor 0 Maribor IX, 73 f. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.85:616-071(043.2) 47997187 URN:SI:UM:DK:NA6GDDLG MAG_Kucer_Jure_2020.pdf MAG_Kucer_Jure_2020.pdf 1 54067100B7DD7E3C1E5D194CC81A3C69 3a8a5abfbf0aeb4df604077a42c7a69a2501b851fe2484b05632f23852ee61b4 005d97aa-7c12-11eb-bb7a-00155d0001ca 20.500.12556/dkum/bf0a24ba-dcdf-49e0-b0a3-b4f9ef7ef993 https://dk.um.si/Dokument.php?lang=slv&id=147550 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0