| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Metode za ovrednotenje algoritmov strojnega učenja
Avtorji:ID Flisar, Iva (Avtor)
ID Podgorelec, Vili (Mentor) Več o mentorju... Novo okno
ID Karakatič, Sašo (Komentor)
Datoteke:.pdf UN_Flisar_Iva_2016.pdf (3,31 MB)
MD5: 124EC2DDF6875B46CCEB14C16CC346D2
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Strojno učenje je pojem, tesno povezan s podatkovnim rudarjenjem, saj s pomočjo učnih algoritmov iščemo vzorce v podatkih. V diplomskem delu smo predstavili in opisali različne učne algoritme, ki se uporabljajo v procesu podatkovnega rudarjenja. Naš glavni cilj je bila predstavitev različnih metrik ovrednotenja učnih algoritmov. V ta namen smo v praktičnem delu diplomske naloge z različnimi metrikami ovrednotili učne algoritme. Eksperiment ovrednotenja smo izvedli na različnih podatkovnih množicah, ki smo jih razdelili z dvema različnima tipoma razdelitve – navzkrižno validacijo ter z metodo razdelitve.
Ključne besede:strojno učenje, klasifikacija, učni algoritmi, ovrednotenje algoritmov, metrike ocenjevanja
Kraj izida:[Maribor
Založnik:I. Flisar
Leto izida:2016
PID:20.500.12556/DKUM-62019 Novo okno
UDK:004.8.021:004.6(043.2)
COBISS.SI-ID:20177942 Novo okno
NUK URN:URN:SI:UM:DK:118TBKP1
Datum objave v DKUM:06.09.2016
Število ogledov:2184
Število prenosov:290
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Methods for the evaluation of machine learning algorithms
Opis:Machine learning is a concept closely related to data mining; we are looking for patterns in data, by using learning algorithms. In our thesis, we presented and described various learning algorithms that are used for data mining. Our main objective was to present different evaluation metrics of learning algorithms. We evaluated the learning algorithms in the practical part of the thesis. The experiment of evaluation was performed on different datasets which were divided with two different dividing methods - the cross validation and the holdout method. 
Ključne besede:machine learning, classification, learning algorithms, evalutation algorithms, evaluation metrics


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici