prikaz prve stranice dokumenta Interpretability of Machine Learning Models on Medical Tabular Data
  Preuzmi
PDF 5.26 MB
diplomski rad
Interpretability of Machine Learning Models on Medical Tabular Data
2023. urn:nbn:hr:190:051791
Rubinić, Ivan
Sveučilište u Rijeci
Tehnički fakultet

Citirajte ovaj rad

Rubinić, I. (2023). Interpretability of Machine Learning Models on Medical Tabular Data (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:051791

Rubinić, Ivan. "Interpretability of Machine Learning Models on Medical Tabular Data." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:051791

Rubinić, Ivan. "Interpretability of Machine Learning Models on Medical Tabular Data." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:051791

Rubinić, I. (2023). 'Interpretability of Machine Learning Models on Medical Tabular Data', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 30.12.2024., https://urn.nsk.hr/urn:nbn:hr:190:051791

Rubinić I. Interpretability of Machine Learning Models on Medical Tabular Data [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2023 [pristupljeno 30.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:051791

I. Rubinić, "Interpretability of Machine Learning Models on Medical Tabular Data", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:051791

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:051791
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovInterpretability of Machine Learning Models on Medical Tabular Data
Naslov (hrvatski)Interpretabilnost modela strojnog učenja nad medicinskim tabularnim podacima
AutorIvan Rubinić
MentorIvan Štajduhar (mentor)
Član povjerenstvaIvo Ipšić (predsjednik povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Član povjerenstvaIvan Štajduhar (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
Rijeka
Datum i država obrane2023, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Programsko inženjerstvo
Sažetak
This paper includes work on classification of appendicitis from the point of view of histological analysis and postoperative diagnosis. The paper provides an overview of various machine learning models – decision trees, OneR, sequential covering, random forests and neural networks. Four different versions of the dataset were used during the experiments. Uninterpretable models were identified and their respective visualizations were created using explainability techniques which serve to provide explanations on their decision making.
Sažetak (hrvatski)
Ovaj rad se bavi klasifikacijom upala slijepog crijeva s gledišta histološke analize i postoperativne dijagnoze. Rad obuhvaća pregled raznih modela strojnog učenja – stabla odluke, OneR, uzastopnog pokrivanja, nasumičnih šuma te neuronskih mreža. Tijekom provođenja eksperimenata korištene su četiri različite inačice skupa podataka. Neinterpretabilni modeli su identificirani te su za njih tehnikama za postizanje objašnjivosti modela stvorene vizualizacije koje služe za pojašnjenje njihovog rada.
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:190:051791
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2023-09-12 09:53:51