Algoritmi strojnog učenja za analizu preživljenja

master's thesis

• Author: Ivana Vrdoljak
• Mentor: Tomislav Šmuc (mentor)
• Committee member: Tomislav Šmuc (predsjednik povjerenstva)
• Committee member: Matija Kazalicki (član povjerenstva)
• Committee member: Nenad Antonić (član povjerenstva)
• Committee member: Robert Manger (član povjerenstva)
• Granter: University of Zagreb; Faculty of Science; (Department of Mathematics); Zagreb
• Defense date and country: 2019-09-25, Croatia
• Scientific / art field, discipline and subdiscipline: NATURAL SCIENCES; Mathematics

Abstract

Analiza preživljenja iznimno je korisna kada želimo predvidjeti vrijeme događaja od interesa. Postoji sve više podataka prikladnih za analizu preživljenja i sve veća potreba za analiziranje istih. Postoji cijeli skup statističkih metoda, a sve se više razvijaju i metode strojnog učenja prilagođene za glavno svojstvo podataka o preživljenju, cenzuriranje. Dan je pregled statističkih metoda analize preživljenja i metoda strojnog učenja. Metode su uspoređene te je za dan pregled prednosti i mana. Navedne su i opisane mjere uspješnosti modela kod analize preživljenja. U ovome radu su opisane metode primijenjene na primjeru iz stvarnog svijeta, na podacima glazbene aplikacije.

Abstract (english)

Survival analysis is extremely useful when we want to predict the time of the event of interest. There are a lot of developed statistical methods and machine learning is getting more and more adapted to the main problem with survival data, censorship. In this thesis is given a review of conventional survival analysis methods and various machine learning methods for survival analysis. Methods were compared and the main advantages and disadvantages of each were specified. Using specialized evaluation metrics for prediction performance was described. In this thesis main methods for analyzing such data are applied to the music application data.

• Keywords: analiza preživljenja; strojno učenje
• Keywords (english): survival analysis; machine learning
• Language: croatian
• URN:NBN: urn:nbn:hr:217:345813
• 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: 2020-06-26 10:39:42