Tehnike kombiniranja napovedi pri strojnem učenju ansamblov : delo diplomskega seminarja

Bizjak, Sara (avtor), Todorovski, Ljupčo (mentor)

Ideja strojnega učenja ansamblov je zgraditi napovedni model z združevanjem večih modelov, kar pripomore k manjšanju napovedne napake. Ena ključnih komponent ansambla je funkcija za kombiniranje napovedi osnovnih modelov. V diplomskem delu obravnavamo dva tipa funkcij za kombiniranje napovedi klasifikacijskih modelov. Prvi je večinsko glasovanje, kjer vsi osnovni modeli enako prispevajo k napovedi ansambla. Drugi pa je uteževanje prispevka osnovnih modelov na osnovi njihove zmogljivosti. Ti dve funkciji kombiniranja implementiramo v programskem jeziku R in ju primerjamo na izbrani podatkovni množici.

• Jezik: Slovenski jezik
• Ključne besede: strojno učenje, nadzorovano strojno učenje, klasifikacija, homogeni ansambli, naključni gozd, kombiniranje napovedi, uteževanje na osnovi zmogljivosti
• Vrsta gradiva: Delo diplomskega seminarja/zaključno seminarsko delo/naloga
• Tipologija: 2.11 - Diplomsko delo
• Organizacija: FMF - Fakulteta za matematiko in fiziko
• Leto izida: 2020
• PID: 20.500.12556/RUL-120588
• UDK: 004.8
• COBISS.SI-ID: 58738435
• Datum objave v RUL: 23.09.2020

BIZJAK, Sara, 2020, Tehnike kombiniranja napovedi pri strojnem učenju ansamblov : delo diplomskega seminarja [na spletu]. Diplomsko delo. [Dostopano 26 marec 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=120588

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Techniques for combining predictions in machine learning ensembles

Izvleček

Machine learning of ensembles aims at reducing the predictive error by integrating multiple models into a single one. One of the key components of algorithms for ensemble learning is combining predictions of the base models. In the thesis, we take a closer look at two functions for combining predictions. The first is majority voting, where all the base models contribute equally to the ensemble prediction. The other is performance weighting, where the contribution of a base model to the ensemble prediction is proportional to the model performance. Combination functions are also implemented in R and tested on a selected data set.

• Ključne besede: machine learning, supervised machine learning, classification, homogeneous ensembles, random forest, combining predictions, performance weighting