Vlastnosti a využití metody MARS

Matěj Buchal

Master's thesis

Characteristics and application of the method MARS

Anotácia:

Diplomová práce je věnována metodě strojového učení zvané MARS (Multivariate Adaptive Regression Splines). Cílem práce je nejprve představit tuto metodu, fungování jejího algoritmu, podobu a způsob vytváření modelu a jeho odhad. Následně jsou v práci s využitím Monte Carlo simulací zkoumány vlastnosti odhadů modelů získaných pomocí této metody a část z nich je porovnána s vlastnostmi odhadů modelů získaných pomocí lineární regrese. V poslední části práce je pak demonstrováno použití metody MARS na reálném datovém souboru.

Abstract:

This thesis is based on the machine learning method called MARS (Multivariate Adaptive Regression Splines). The object of this thesis is to introduce this method and algorithm, explain how the respective model is constructed and estimated. Following this, the characteristics of these estimators are inspected by Monte Carlo simulations and some of them are compared with the characteristics of estimators obtained from linear regression. The final aspect of this thesis contains a demonstration of the method on a real dataset.

Kľúčové slová

MARS, regresní spliny, strojové účení, stromové metody, regresní funkce, metoda nejmenších čtverců, simulace

Keywords

MARS, regression splines, machine learning, tree methods, regression function, least squares method, simulations

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 2. 2. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 30. 1. 2019
• Vedúci: Milan Bašta
• Oponent: Jiří Procházka

Vysoká škola ekonomická v Praze

Master programme / odbor:
Kvantitativní metody v ekonomice / Statistika