20.500.12556/RUL-148386 Ocenjevanje zanesljivosti napovedi pri ansambelskih metodah Assessing the reliability of predictions of ensemble methods V diplomski nalogi smo se ukvarjali s področjem izboljšanja točnosti napovedi. Izkoriščali smo pojav spreminjanja variance občutljivostnih napovedi ansambelskih metod ob dodajanju spremenjenih primerov v učno množico. Za vsak testni primer smo izdelali večje število ansamblov, ki pri gradnji modelov uporabljajo naključnost vzorčenja iz učne množice, kot sta metoda bagging in naključni gozdovi. Z dodajanjem spremenjenih testnih primerov smo pridobili občutljivostne napovedi za vsak ansambel. Na podlagi variance občutljivostnih napovedi smo iskali spremembo prvotne napovedi, ki povzroči najboljše ujemanje z ansamblom (varianca napovedi je najmanjša). Preizkusili smo več različnih ansambelskih metod in več metod iskanja minimuma variance napovedi. Eksperimentalno smo dokazali, da pri parametrih, ki smo jih izbrali za evalvacijo, ne obstaja statistična razlika med prvotnimi in popravljenimi napovedmi. S popravljenimi napovedmi nam je uspelo zmanjšati interval zaupanja napovedi za 13 %. In the diploma thesis, we dealt with the area of improving prediction accuracy. We took advantage of the phenomenon of changing variance of sensitivity predictions when adding modified examples to the training set of ensemble methods. For each test case, we created a larger number of ensembles that use random sampling from the training set, such as random forest and bagging methods to build models. By adding modified test cases we obtained sensitivity predictions for each ensemble. Based on the variance of the sensitivity predictions, we searched for a change to the original prediction that would result in the best match with the ensemble (the variance of the predictions would be the lowest). We tested several different ensemble methods and methods for finding the minimal prediction variance. We experimentally proved that no statistical difference exists between the original and corrected predictions for the parameters we chose for evaluation. We also managed to reduce the confidence interval of the prediction by 13 % with the revised predictions. napovedovanje ocenjevanje zanesljivosti ansambel regresija strojno učenje prediction reliability estimation ensemble regression machine learning true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2023-08-21 17:07:55 2023-08-21 17:07:55 2023-11-24 12:05:18 0000-00-00 00:00:00 2023 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 36495 158608899 Arhar_Anze_-_Ocenjevanje_zanesljivosti_napovedi_pri_ansambelskih_metodah.pdf Arhar_Anze_-_Ocenjevanje_zanesljivosti_napovedi_pri_ansambelskih_metodah.pdf 1 7D20A4F6D4117AEBD6BCE444E3E754D0 bb99ca77091056d0236d855773a57636c508e544c3249c6d333e8499217821f2 77444f0b-4034-11ee-b9d7-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=172603 Fakulteta za računalništvo in informatiko Fakulteta za matematiko in fiziko 0 0 0