Klasifikacijska i regresijska stabla odlučivanja

master's thesis

• Author: Mate Šabić
• Mentor: Anamarija Jazbec (mentor)
• Committee member: Anamarija Jazbec (predsjednik povjerenstva)
• Committee member: Ljiljana Arambašić (član povjerenstva)
• Committee member: Vjekoslav Kovač (član povjerenstva)
• Committee member: Bojan Basrak (član povjerenstva)
• Granter: University of Zagreb; Faculty of Science; (Department of Mathematics); Zagreb
• Defense date and country: 2016-09-26, Croatia
• Scientific / art field, discipline and subdiscipline: NATURAL SCIENCES; Mathematics

Abstract

Klasifikacijsko i regresijsko stablo odlučivanja, kao savršen statistički alat, koristi se najčešće u istraživačkim medicinskim problemima čiji je cilj predvidjeti vjerojatnost varijable izlaza, bila ona kategorijska ili kontinuirana. Premda nam CART analiza vraća rezultate u obliku vjerojatnosti u više konačnih čvorova, na samom korisniku je zadaća da procijeni koliko su ti rezultati značajni za daljnju uporabu. U ovom radu je okvirno opisan algoritam za CART analizu kojim se definira, proširuje i skraćuje stablo koristeći neke od metoda kao što su nezavisnost podataka, krosvalidacija i funkcija nečistoće. Ujedno sadrži i definirane dodatne pristupe stablima koji služe za bolji rad sa podacima i samim stablom. Na kraju samog rada se nalazi primjena CART analize na medicinskim podacima u R softveru, gdje se koristi klasifikacijsko stablo kao alat za izradu modela za predviđanje srčanog događaja na pacijentima sa mogućom koronarnom bolesti. Prednosti korištenja CART analize tiču se njene ne-parametarske i ne-linearne prirode. Ne zahtijeva pretpostavku distribucije podataka te funkcionalnu formu za prediktore što im omogućava da identificiraju složene interakcije među podacima. To je ujedno i najlakše korištena statistička tehnika, jer ne zahtijeva puno znanja iz statistike i prati proces odlučivanja koji ljudi koriste za donošenje odluka.

Abstract (english)

Classification ad regression decision trees, as perfect statistical tool, is often used in medical research problems that aims to predict value of target variable, whether it be categorical or continuous. Although, CART returns probabilistic analysis results in more terminal nodes, but it's on the user to evaluate how are these results important for further use. This work describes a framework for CART analysis algorithm, which defines, extends and shorts trees, using some of the methods such as independence set of data, cross validation and impurity function. It also contains additional approaches to trees that serve for better operations on data. At the end of this work reader can find application of CART analysis on the medical data in R software, where is used classification tree tool to develop a model. We use that model for predicting cardiac events in patients with known or suspected coronary artery disease. Advantages of using CART are related to its non-parametric and non-linear nature. It does not require the assumption of distribution of data and functional form for predictors which allows them to identify the complex interactions among data. It's also the most easily used statistical technique because it does not require much knowledge of statistics and monitor deciding process which people use to make final decisions.

• Keywords: klasifikacijsko i regresijsko stablo odlučivanja; algoritam za CART analizu; model za predviđanje srčanog događaja na pacijentima sa mogućom koronarnom bolesti
• Keywords (english): klassification ad regression decision trees; CART analysis algorithm; model for predicting cardiac events in patients with known or suspected coronary artery disease
• Language: croatian
• URN:NBN: urn:nbn:hr:217:546677
• Study programme: Title: Mathematical Statistics; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra matematike (magistar/magistra matematike)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2019-02-08 11:29:15