20.500.12556/RUL-125317 Implementacija knjižnice v statističnem paketu R za ocenjevanje zanesljivosti regresijskih napovedi Implementation of library in statistical package R for estimation of regression prediction reliability Za razliko od ocenjevanja kakovosti celotnih regresijskih modelov se lahko na podlagi ocen zanesljivosti regresijskih napovedi uporabnik odloči, kako obravnavati posamezne napovedi modela. Diplomsko delo opisuje izdelavo knjižnice za ocenjevanje zanesljivosti posameznih regresijskih napovedi v programskem jeziku R. Predstavljene so štiri implementirane metode: analiza občutljivosti, bagging, lokalno prečno preverjanje in ocena lokalne napake. Implementirana je tudi metoda za evalvacijo, ki uporabniku omogoča izbiro najboljše metode za specifično učno množico. Zanesljivost posamezne napovedi nam da pomembno informacijo o njeni kakovosti. V delu opisujemo arhitekturo, parametre in proces delovanja knjižnice od klica funkcije do vrnjenih rezultatov. Implementirana knjižnica nudi tudi možnost paralelnega izvajanja za hitrejši izračun ocen zanesljivosti. Ovrednotenje ocen zanesljivosti je izvedeno z izračunom korelacijskega testa z dejansko napako napovedi. Delovanje knjižnice na koncu ocenimo na podlagi pravilnosti, hitrosti in porabe pomnilnika. Opazne izboljšave smo dosegli pri časovni in prostorski zahtevnosti pri metodah LCV in CNK. Učinkovitost paralelnosti primerjamo z navadnim izvajanjem, pri čemer smo v večini primerov opazili pospešitev. In contrast to estimating accuracy of entire regression models, reliability estimates of regression predictions allow the user to decide how to handle individual predictions given by the regression model. The thesis describes the implementation of a package for estimating the reliability of individual regression predictions in the computer language R. The work describes four implemented methods: sensitivity analysis, bagging, local cross-validation and local modeling of prediction errors. A method for evaluation has also been implemented, which helps the user to choose the best reliability estimation method for their dataset. The reliability of each predicted example gives the user important information about its quality. We also present the architecture, parameters and process of execution from the functions’ call to its return values. The implemented library offers the possibility of parallel execution for faster calculation of reliability estimates. By computing the correlation with the actual prediction error the user can decide which method works best. Lastly, we evaluate the time and memory efficiency of our package and compared the efficiency of parallel and single thread execution. We accomplished noticeable improvements in the time and memory complexity of the LCV and CNK methods. Ocenjevanje zanesljivosti regresija knjižnica statistični paket R napovedno modeliranje strojno učenje nadzorovano učenje Reliability estimate regression library statistical package R predictive modeling machine learning supervised learning true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2021-03-10 09:55:01 2021-03-10 09:55:09 2022-09-05 03:50:07 0000-00-00 00:00:00 2021 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 27081 54737923 Cof_Simon_-_Implementacija_knjiznice_v_statisticnem_paketu_R_za_ocenjevanje_zanesljivosti_regres.pdf Cof_Simon_-_Implementacija_knjiznice_v_statisticnem_paketu_R_za_ocenjevanje_zanesljivosti_regres.pdf 1 A898C5F9E9CCA95C5C808589B7D5BEDC 409d5ee133d04b011ff62d05ab67544d16398e1849fb9a08d5f775d95d28c544 b01b8bf1-a1bb-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=140995 Fakulteta za računalništvo in informatiko 0 0 0