Aktivno pridobivanje vrednosti atributov s skupinskim priporočanjemŠpacapan, Blaž (Avtor) Kukar, Matjaž (Mentor) priporočilni sistemiSVDmanjkajoče vrednostiShapleyeve vrednostiPriporočilni sistemi se uporabljajo večinoma v komercialne namene. Po drugi strani pa se pri strojnem učenju pogosto srečujemo s problemi z manjkajočimi podatki, ki jih lahko naknadno pridobimo z nekimi meritvami. Tu bi lahko uporabili tehnike priporočilnih sistemov, da ugotovimo, katere podatke se nam najbolj splača pridobiti. Torej gre za aktivno pridobivanje značilk. Na podatkih najprej naučimo nek model strojnega učenja. S pomočjo tega modela izračunamo Shapleyeve vrednosti za atribute, ter te uporabimo kot ocene izdelkov za priporočilni sistem. Uporabniku priporočamo podmnožico meritev, ki imajo najvišje Shapleyeve vrednosti. Ugotovili smo, da se postopek na umetnih podatkih dobro obnese v primeru, ko v učni množici ni manjkajočih vrednosti, že nekaj teh pa malo pokvari rezultate. Razlog za to verjetno leži v načinu, kako računamo Shapleyeve vrednosti za manjkajoče podatke, in kako z njimi dela model strojnega učenja, vendar še ni v celoti jasen. Glede na rezultate na realnih podatkih smo zaključili, da je uspešnost naše metode precej odvisna od relacije med atributi in ciljno spremenljivko.20242024-09-13 10:55:13Diplomsko delo/naloga161744sl