Algoritamske i implementacijske optimizacije pristupa za traženje redeskripcija CLUS-RM

diplomski rad

• Naslov (engleski): Algorithmic and implementation optimizations of the CLUS-RM redescription search approach
• Autor: Ivan Jukić
• Mentor: Matej Mihelčić (mentor)
• Član povjerenstva: Matej Mihelčić (predsjednik povjerenstva)
• Član povjerenstva: Darko Androić (član povjerenstva)
• Član povjerenstva: Mladen Vuković (član povjerenstva)
• Član povjerenstva: Dijana Ilišević (član povjerenstva)
• Član povjerenstva: Mario Basletić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2022-03-03, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

U ovom radu opisuje se nekoliko optimizacija algoritma CLUS-RM čija je zadaća pronalazak redeskripcija koristeći višeciljna prediktivna stabla klasteriranja. Prvi dio rada opisuje pretraživanje redeskripcija kao tehniku dubinske analize podataka te navodi definicije i izraze vezane uz područje. Drugi dio rada opisuje algoritam CLUS-RM koji koristi višeciljna prediktivna stabla klasteriranja te opisuje i sam algoritam stvaranja prediktivnih stabala. Treći dio rada prikazuje algoritamsku optimizaciju provjere Jaccard indeksa dvaju pravila u algoritmu CLUS-RM za podatke koji imaju nedostajuću vrijednost i za podatke koji nemaju nedostajuću vrijednost uz analizu složenosti optimizacije. Uz to se pojašnjavaju implementacijske optimizacije provedene nad algoritmom postignute promjenom načina dvosmjerne komunikacije izmedu algoritama CLUS-RM i CLUS. U zadnjem dijelu rada, analiziraju se provedeni eksperimenti i ušteda vremena za obje optimizacije algoritma temeljem tri različita skupa podataka.

Sažetak (engleski)

This thesis describes several approaches to optimize the CLUS-RM algorithm whose task is to find redescriptions using multi-target predictive clustering trees. The first part of the thesis describes the search for redescriptions as a technique of data mining and provides definitions and expressions related to the field. The second part of the thesis describes the CLUS-RM algorithm that uses multi-target predictive clustering trees and describes the algorithm for creating predictive trees. The third part of the thesis presents the algorithmic optimization of the Jaccard index calculation of the two rules in the CLUS-RM algorithm for data with missing values and data without missing values, also including the complexity analyis of the proposed optimization. In addition, the implementation optimizations performed on the algorithm achieved by changing the way of two-way communication between the CLUS-RM and CLUS algorithms are clarified. The last part of the thesis analyses the experiments performed and the time savings gained for each proposed algorithm optimization on three different data sets.

• Ključne riječi: algoritam CLUS-RM; viišeciljna prediktivna stabla klasteriranja; Jaccard indeks
• Ključne riječi (engleski): CLUS-RM algorithm; multi-target predictive clustering trees; Jaccard index
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:418230
• Studijski program: Naziv: Matematika i fizika; smjerovi: nastavnički; Smjer: nastavnički; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: magistar/magistra edukacije matematike i fizike (mag. educ. math. et phys.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2022-03-28 10:56:19