Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα.
Φόρτωση...
Ημερομηνία
Συγγραφείς
Σιουράς, Σπυρίδων
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Τα αβέβαια δεδομένα είναι μεγάλο πρόβλημα στον κλάδο της μηχανικής μάθησης, καθώς
κλασικές τεχνικές στατιστικής και μηχανικής μάθησης δεν μπορούν να διαχειριστούν
τέτοιου είδους δεδομένα. Αβέβαια δεδομένα μπορούν να προκύψουν για διάφορους
λόγους και υπάρχουν διαφορετικά είδη αβέβαιων δεδομένων. Η τεχνική αναπαράστασης
και αντιμετώπισης των αβέβαιων δεδομένων, εξαρτάται από την μορφή της αβεβαιότητας.
Στην παρούσα πτυχιακή εργασία γίνεται ανάλυση τεχνικών παλινδρόμησης σε αβέβαια
δεδομένα, όπου θεωρείται γνωστό το εύρος στο οποίο βρίσκεται η πραγματική τιμή, αλλά
όχι η μεμονωμένη τιμή. Η αβεβαιότητα θα αναπαρασταθεί με διαστήματα.
Σε αυτήν την εργασία αναλύεται αρχικά τι είναι η παλινδρόμηση, τι είναι η αβεβαιότητα
στην μηχανική μάθηση και με τι τεχνικές μπορούν να αντιμετωπιστούν τα αβέβαια
δεδομένα και, στο τέλος του πρώτου κεφαλαίου, γίνεται μια αναφορά στο τι είναι η
ανάλυση διαστημάτων. Στη συνέχεια, γίνεται ανάλυση διάσημων κλασικών τεχνικών που
χρησιμοποιούνται για την παλινδρόμηση και τεχνικών παλινδρόμησης που εφαρμόζονται
σε δεδομένα σε μορφή διαστημάτων. Τέλος, χρησιμοποιούνται δύο τεχνικές
παλινδρόμησης, η Lassoir και η τεχνική των k-Πλησιέστερων Γειτόνων (k-Nearest
Neighbors), σε ένα ένα σύνολο δεδομένων που δείχνει την ζήτηση ηλεκτρικού ρεύματος
στo δίκτυο διανομής ηλεκτρικής ενέργειας της Ισπανίας.
Uncertain data is a major problem in Machine Learning, as classical statistical and machine learning techniques cannot manage such data. Uncertain data can occur for a variety of reasons and there are different types of uncertainties. Techniques and modelling of uncertain data depends on the type of uncertainty. In this dissertation, regression techniques for uncertain data are analyzed, where the range of the value is known, but the individual value is not known. Uncertain data will be modelled with intervals. The dissertation starts with analyzing Regression as a term, what uncertainty in Machine Learning is, how uncertain data can be managed and an introduction to Interval Analysis. Moreover, classical regression techniques and interval regression techniques are analyzed. Finally, two regression techniques, Lassoir and K-Nearest Neighbors, are used on a dataset, that shows the demand for electricity in Spain.
Uncertain data is a major problem in Machine Learning, as classical statistical and machine learning techniques cannot manage such data. Uncertain data can occur for a variety of reasons and there are different types of uncertainties. Techniques and modelling of uncertain data depends on the type of uncertainty. In this dissertation, regression techniques for uncertain data are analyzed, where the range of the value is known, but the individual value is not known. Uncertain data will be modelled with intervals. The dissertation starts with analyzing Regression as a term, what uncertainty in Machine Learning is, how uncertain data can be managed and an introduction to Interval Analysis. Moreover, classical regression techniques and interval regression techniques are analyzed. Finally, two regression techniques, Lassoir and K-Nearest Neighbors, are used on a dataset, that shows the demand for electricity in Spain.
Περιγραφή
Λέξεις-κλειδιά
Διαστήματα, Αβέβαια δεδομένα, Παλινδρόμηση
Θεματική κατηγορία
Μηχανική μάθηση
Παραπομπή
Σύνδεσμος
Πτυχιακή Εργασία
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Όνομα επιβλέποντος
Αδάμ, Σταύρος
Εξεταστική επιτροπή
Δουμένης, Γρηγόριος
Καρβέλης, Πέτρος
Καρβέλης, Πέτρος
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Τ.Ε.Ι. Ηπείρου
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Αδάμ, Σ., 2022. Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Ονόματα συντελεστών
Αριθμός σελίδων
57
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα