<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=110081"><dc:title>Ocenjevanje atributov s posplošitvami algoritma Relief</dc:title><dc:creator>Vivod,	Jernej	(Avtor)
	</dc:creator><dc:creator>Robnik Šikonja,	Marko	(Mentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>umetna inteligenca</dc:subject><dc:subject>vrednotenje atributov</dc:subject><dc:subject>rangiranje atributov</dc:subject><dc:subject>izbor atributov</dc:subject><dc:subject>klasifikacija</dc:subject><dc:description>Algoritem Relief in njegove posplošitve so filtrirne metode vrednotenja atributov, ki jih odlikuje občutljivost na medatributne interakcije. Diplomsko delo pričnemo z opisom problematike izbora atributov in podamo motivacijo za uporabo algoritma Relief in njegovih posplošitev. Opišemo, po našem prepričanju, danes najpogosteje uporabljene posplošitve algoritma Relief v klasifikaciji. Predstavimo koncept naučenih metrik in podrobneje predstavimo različnost na osnovi mase ter preostale naučene metrike, ki jih uporabimo v kontekstu opisanih algoritmov. Diplomsko delo sklenemo z empiričnim vrednotenjem implementiranih algoritmov in metrik, kjer uporabimo Bayesov hierarhični korelirani t-test in izris rezultatov prečnega preverjanja za različne velikosti množic najbolje ocenjenih atributov. Na koncu izpostavimo omejitve uporabljene metodologije vrednotenja in podamo iztočnice za nadaljnje raziskovalno delo.</dc:description><dc:date>2019</dc:date><dc:date>2019-09-11 15:25:07</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>110081</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>