Napovedovanje ishemije iz simuliranih podatkovKoren, Jaka (Avtor) Kononenko, Igor (Mentor) Robnik Šikonja, Marko (Komentor) strojno učenjenapovedovanjeishemijaklasifikacijanaključni gozdoviSVMgradientno pospeševanjeV diplomskem delu smo raziskovali možnosti uporabe metod strojnega učenja v napovedovanju ishemičnih šokov na podlagi meritev elektrod iz simulacije EKG. Zanimala nas je klasifikacijska točnost pri napovedovanju samih šokov, napovedovanju območja v srcu, kjer se je šok zgodil, ter možnost zmanjšanja števila elektrod, potrebnih za uspešno zaznavanje šokov. Na simuliranih podatkih meritev elektrod smo preizkusili naključne gozdove, metodo podpornih vektorjev ter metodo gradientnega pospeševanja in merili njihovo klasifikacijsko točnost. Nato smo z njimi iskali optimalne podmnožice atributov po metodi ovojnice. Poleg tega smo primerjali uspešnost tega pristopa z metodo filtriranja na podlagi ocen pomembnosti atributov. Odkrili smo, da izbrane metode dosegajo dobre rezultate na obeh stopnjah in da klasifikacijska točnost ostaja visoka tudi pri mnogo manjših podmnožicah atributov. Metoda podpornih vektorjev s pomočjo ovojnice dosega najvišjo točnost, glede izbora atributov pa ovojnica pri zelo majhnih izborih atributov dosega boljše rezultate kot filtriranje.20182018-09-04 11:45:02Diplomsko delo/naloga102582VisID: 21564sl