Primerjava metod diskretizacije za gradnjo povezovalnih pravilBarašin, Irina (Avtor) Vračar, Petar (Mentor) strojno učenjepovezovalna pravilanenadzorovano strojno učenjediskretizacijapodatkovna znanostV diplomskem delu raziskujemo uporabo različnih metod diskretizacije v kombinaciji z algoritmoma Apriori in FP-growth za rudarjenje povezovalnih pravil na umetnih in realnih podatkovnih množicah. Poseben poudarek je bil namenjen preučevanju vpliva diskretizacije numeričnih atributov na kakovost in interpretabilnost generiranih pravil, z uporabo različnih mer zanimivosti, kot so chi kvadrat, dvig, priklic in napovedna točnost. Analiza je pokazala, da je metoda relativne nenadzorovane diskretizacije (RUDE) učinkovita pri prepoznavanju pravil, ki vključujejo diskretizirane atribute, medtem ko so ostale predvsem odkrivale splošno znana pravila, sestavljena iz kategoričnih atributov. Poleg tega je bilo ugotovljeno, da kombinacija metod diskretizacije in mer zanimivosti pomembno vpliva na ocene pravil, tudi tistih, ki vključujejo zgolj kategorične atribute. To delo prispeva k razumevanju vpliva diskretizacije na rudarjenje pravil in odpira možnosti za nadaljnje raziskave na tem področju.20242024-11-13 12:03:26Diplomsko delo/naloga164828VisID: 37537COBISS_ID: 213285379sl