20.500.12556/RUL-110081 Ocenjevanje atributov s posplošitvami algoritma Relief Feature evaluation with generalizations of Relief algorithm 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. The Relief algorithm and its generalizations form a group of filter-based feature evaluation algorithms that are sensitive to feature interactions. We describe the problem of feature selection and present motivation for the application of Relief and its generalizations. We describe all commonly used generalizations of Relief used in classification. We describe the concept of learned metric functions and describe mass-based dissimilarity as well as other learned metric functions, studied in the context of described algorithms. We conclude the thesis with an empirical evaluation of implemented algorithms and metrics. We use the Bayesian hierarchical correlated t-test and plot cross validation results against different cardinalities of feature subsets. We analyze the limitations and assumptions of our evaluation methodology and present ideas for further research. strojno učenje umetna inteligenca vrednotenje atributov rangiranje atributov izbor atributov klasifikacija machine learning artificial intelligence feature evaluation feature ranking feature selection classification true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2019-09-11 15:25:07 2019-09-11 15:25:09 2022-08-22 03:41:31 0000-00-00 00:00:00 2019 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 23369 1538334915 Vivod_Jernej_-_Ocenjevanje_atributov_s_posplositvami_algoritma_Relief.pdf Vivod_Jernej_-_Ocenjevanje_atributov_s_posplositvami_algoritma_Relief.pdf 1 4F5825071DB01A14650AD5EF315A86EE 7407eb19be04fa5370896f1bc1bf64afcfd1c1c181da708d39f2e080c79804be 0752507f-a1b7-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=121700 Fakulteta za računalništvo in informatiko 0 0 0