prikaz prve stranice dokumenta Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja
Pristup korisnicima matične ustanove
završni rad
Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja
2021. urn:nbn:hr:190:270526
Vargić, Anamaria
Sveučilište u Rijeci
Tehnički fakultet
Zavod za računarstvo
Katedra za programsku podršku

Citirajte ovaj rad

Vargić, A. (2021). Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja (Završni rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:270526

Vargić, Anamaria. "Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja." Završni rad, Sveučilište u Rijeci, Tehnički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:190:270526

Vargić, Anamaria. "Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja." Završni rad, Sveučilište u Rijeci, Tehnički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:190:270526

Vargić, A. (2021). 'Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja', Završni rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:270526

Vargić A. Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja [Završni rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2021 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:270526

A. Vargić, "Učinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja", Završni rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:270526

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:270526
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovUčinkovitost primjene metode analize glavnih komponenti u izgradnji modela predviđanja
Naslov (engleski)Efficiency of principal componenet analysis in predictive modelling
AutorAnamaria Vargić
MentorGoran Mauša (mentor)
Član povjerenstvaKristijan Lenac (predsjednik povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za računarstvo)
(Katedra za programsku podršku)
Rijeka
Datum i država obrane2021-09-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Na četiri različita skupa podataka su trenirani algoritmi strojnog učenja; stablo odluke i nasumična šuma. Promatrane su metrike za evaluaciju modela i utrošak memorije, vremena i korištenje procesora za slučajeve kada je nad skupom podataka primijenjena tehnika analize glavnih komponenti i kada nije. Zaključeno je da kvaliteta modela uvelike ovisi o količini atributa, uzoraka, vrijednostima podataka te broju mogućih klasa. Smanjenje dimenzionalnosti skupa podataka može značajno smanjiti utrošak memorije i vremena, te kod manjih skupova podataka se može smanjiti točnost modela.
Sažetak (engleski)
Machine learning algorithms decision tree and random forest, are trained on four different datasets. Parameters observed are scores for evaluating machine learning models, time, memory and processor usage for two separate cases. The first case when models are trained on datasets transformed by using principal component analysis and the second case where models are trained on the original datasets. The conclusion is that the quality of the model is highly dependent upon the number of attributes and rows, the values of the data and the amount of possible classes. Dimensionality reduction can greatly reduce time and memory consumption, but for smaller datasets this comes at the cost of model accuracy reduction.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:270526
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ. bacc. ing. comp)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-10-13 07:33:36