Modern methods for density estimation for continuous data

Juraj Škandera

Diplomová práce

Anotace:

Odhad hustoty je jedna z kľúčových úloh pri manipulácii a pozorovaní neoznačených dát. Jej hlavný cieľ je odhad funkcie hustoty pravdepodobnosti pozorovaných dát. Získané znalosti o funkcii hustoty pravdepodobnosti potom poskytujú základ pre úlohy ako zhlukovanie alebo detekcia odľahlých hodnôt. V tejto práci sa zaoberáme niektorými prístupmi k tejto úlohe a porovnávame ich výkonnosť.

Abstract:

Density estimation is one of the key tasks when handling and observing unsupervised data. Its main purpose is to estimate the probability density function underlying the observed data. Knowledge of probability density function then provides a basis for tasks such as clustering or outlier detection. In this thesis, we review some of the approaches to this task and compare their performance.

Keywords

Density Estimation, Continuous Data, Neural Networks, Density Forest

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 20. 7. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 15. 9. 2020
• Vedoucí: doc. RNDr. Tomáš Brázdil, Ph.D.
• Oponent: Ing. Jana Hozzová, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Aplikovaná informatika / Bioinformatika