Použití symbolické regrese pro Monte-Carlo výběr atributů – Petr Prokop
Petr Prokop
Diplomová práce
Použití symbolické regrese pro Monte-Carlo výběr atributů
Symbolic Regression for Monte-Carlo Feature Selection
Anotace:
Diplomová práce analyzuje možné využití symbolické regrese pro výběr atributů. V práci je navrženo použití genetického programování pro vytvoření klasifikátorů, které jsou následně analyzovány dle navržených metod za účelem získání relevantnosti jednotlivých atributů. Metody jsou porovnány s referenčními metodami pro výběr atributů. Mimo jiné je navržena grafová reprezentace vztahů mezi atributy, částečně …víceAbstract:
Master's thesis aim for possible use of symbolic regression for the feature selection. The thesis proposes use of genetic programming for evolving a classifiers. As follows the classifiers are analyzed according to the proposed methods in order to obtain relevance of attributes. Proposed methods are compared to some reference methods for feature selection. Graph representation of feature relations …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 30. 4. 2018
Identifikátor:
http://hdl.handle.net/10084/128335
Obhajoba závěrečné práce
- Obhajoba proběhla 5. 6. 2018
- Vedoucí: Pavel Krömer
- Oponent: Petr Gajdoš
Citační záznam
Citace dle ISO 690:
PROKOP, Petr. \textit{Použití symbolické regrese pro Monte-Carlo výběr atributů}. Online. Diplomová práce. Ostrava: Vysoká škola báňská - Technická univerzita Ostrava, Fakulta elektrotechniky a informatiky. 2018. Dostupné z: https://theses.cz/id/gxo0su/.
Plný text práce
Právo: Plné texty vysokoškolských kvalifikačních prací obhájených na Vysoké škole báňské - Technické univerzitě Ostrava jsou uloženy v repozitáři DSpace. Přístup k plným textům mají všichni uživatelé bez omezení. Přístup je omezen pouze ve výjimečných případech, zpravidla z důvodu ochrany duševního vlastnictví. Nepřístupné práce jsou označeny jako closedAccess nebo embargoedAccess. Tištěné verze prácí jsou uloženy v Ústřední knihovně VŠB-TUO a jsou prezenčně přístupné ve studovně diplomových prací. Další nakládání s prací (kopírování, opisy, MVS) se řídí Knihovní a výpůjčním řádem Ústřední knihovny VŠB-TUO.
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: VŠB - Technická univerzita OstravaVŠB - Technická univerzita Ostrava
Fakulta elektrotechniky a informatikyMagisterský studijní program / obor:
Informační a komunikační technologie / Informatika a výpočetní technika
Práce na příbuzné téma
-
Calibration of stochastic volatility models using quasi-evolutionary algorithms
Tomáš OSVALD -
Genetické algoritmy v optimalizaci výrobních plánů
Petra Krátká -
Genetické algoritmy a jejich využití
Rastislav Rehák -
Enkodéry v genetickém programování
Václav Hrbek -
Hluboké genetické programování
Petr Kopic -
Optimalizační metody pro vícevrstvý algoritmus genetického programování
Jan Merta -
No-Code Tool for Data Preprocessing for Machine Learning
Adam Zálešák -
Vliv strategií předzpracování dat na výkonnost modelování úpadku v kontextu výběru prvků a metod modelování
Elena Láncošová