Strojno učenje putem regresije i SVM

diplomski rad

• Autor: David Bojanić
• Mentor: Lavoslav Čaklović (mentor)
• Član povjerenstva: Lavoslav Čaklović (predsjednik povjerenstva)
• Član povjerenstva: Josip Tambača (član povjerenstva)
• Član povjerenstva: Igor Pažanin (član povjerenstva)
• Član povjerenstva: Dražen Adamović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2019-02-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

Prvo poglavlje ovoga rada uvodi pojam strojnoga učenja, kao i njegovu povijest i primjenu. Sljedeća dva poglavlja uvode regresiju i klasifikaciju te algoritme linearne regresije i logističke regresije koji služe kao mjerilo usporedbe algoritmu potpornih vektora, koji je glavna tematika ovoga rada. Naposljetku slijedi usporedba metode potpornih vektora sa spomenutim metodama logističke regresije i linearne regresije na konkretnom klasifikacijskom i regresijskom problemu.

Sažetak (engleski)

The first chapter of this work introduces the concept of machine learning, as well as its history and applications. The next two chapters focus on the concept of regression and classification as well as the appropriate algorithms, linear regression and logistic regression. The aforementioned algorithms are used as a baseline for the main algorithm of this work: the support vector machine algorithm which is talked about in detail in the next chapter. In conclusion, the methods are compared on a concrete regression and classification problem.

• Ključne riječi: strojno učenje; linearna regresija; logistička regresija; metoda potpornih vektora
• Ključne riječi (engleski): machine learning; linear regression; logistic regression; support vector machine algorithm
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:060657
• Studijski program: Naziv: Financijska i poslovna matematika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2019-07-12 09:30:23