Bakalářská práce

Klasifikace pomocí metod strojového učení

Machine learning methods for classification

Tomáš Pompa, učo 500225
Anotace

Strojové učení zaznamenalo v posledních několika desetiletích významný rozmach zapříčiněný zejména rozvojem informačních technologií a potřebou zpracování a vyhodnocení velkého množství dat. Tato bakalářská práce se věnuje klasifikaci, což je jeden ze základních problémů strojového učení. V teoretické části jsou shrnuty základní pojmy a vybrané klasifikační metody, s jejichž pomocí je následně podrobně …více

Abstract

The past few decades have witnessed the significant rise of Machine learning caused mainly by the development of information technology and by the need to process and evaluate large amounts of data. This bachelor thesis deals with classification, one of the fundamental problems in Machine learning. The theoretical part summarizes the basic concepts and selected methods for classification, which are …více

Klíčová slova
Metoda podpůrných vektorů strojové učení klasifikace logistická regrese diskriminační analýza cross-validace jádrová funkce hyperparametr optimální dělící nadrovina Support vector machines Machine learning classification logistic regression discriminant analysis kernel function cross-validation hyperparameter optimal separating hyperplane
Zadání práce
Metoda podpůrných vektorů (support vector machines, SVM) je metoda strojového učení s učitelem, sloužící zejména pro řešení klasifikačních úloh. Cílem práce je popsat metodu SVM jako zobecnění lineárního klasifikátoru, popsat i jiné metody sloužící ke klasifikaci a uvést aplikace na simulovaných nebo reálných datech.
Administrativní informace
Práce zkontrolována:
11. 5. 2022 07:51, doc. Mgr. Jan Koláček, Ph.D., učo 19999
Plný text práce
3,2 MB / soubor PDF
Přílohy (1)
Jazyk práce
čeština čeština
Termín obhajoby
22. 6. 2022
Práce byla úspěšně obhájena

Vedoucí

doc. Mgr. Jan Koláček, Ph.D., učo 19999
ÚMS Ústavy PřF MU

Oponent

Mgr. Stanislav Zámečník, Ph.D.
ÚMS Ústavy PřF MU

Literatura

  • EVERITT, Brian a G. DUNN. Applied multivariate data analysis. 2nd ed. London: Oxford University Press, 2001, x, 342. ISBN 0340741228.
  • EVERITT, Brian a Torsten HOTHORN. An introduction to applied multivariate analysis with R. New York [N.Y.]: Springer, 2011, xiv, 273. ISBN 9781441996497.
  • JAMES, Gareth R. An introduction to statistical learning : with applications in R. New York: Springer, 2013, xiv, 426. ISBN 9781461471370.
Citovat tuto práci
Masarykova univerzita Přírodovědecká fakulta
Studijní program
Plán
Statistika a analýza dat

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.