Distribuované učení rozhodovacích stromů – Bc. Michal Štefkovič
Bc. Michal Štefkovič
Master's thesis
Distribuované učení rozhodovacích stromů
Distributed learning of decision trees
Abstract:
Diplmova work is about learning from data streams. New algorithm for distributed learning of decision trees has been developed in this work. Based on principles of swarm intelligence, tries to reach heigher accuracy by creating a comittee of classifiers with high diversity. It's accuracy is compared with original algorithm and weighted voting on several data sets.Abstract:
Diplomová práca sa zaoberá učením sa z dátových prúdov. V rámci práce bol vyvinutý algoritmus na distribuované učenie rozhodovacích stromov. Vychádzajúci z princípov swarm intelligence, a snaží o dosiahnutie lepšej presnosti pri učení, skrz vytvorenie množiny klasifikátorov s veľkou diverzitou. Jeho presnosť je porovnaná s pôvodným algoritmom a váženým hlasovaním na niekoľkých dátových sadách.
Jazyk práce: Slovak
Datum vytvoření / odevzdání či podání práce: 25. 5. 2009
Identifikátor:
https://is.muni.cz/th/jdylq/
Obhajoba závěrečné práce
- Obhajoba proběhla 29. 6. 2009
- Vedúci: doc. RNDr. Lubomír Popelínský, Ph.D.
- Oponent: RNDr. Jan Blaťák, Ph.D.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsMaster programme / odbor:
Applied Informatics / Applied Informatics
Práce na příbuzné téma
-
Dobývanie znalostí z e-learningových dát
Mária Briatková -
Dobývání znalostí z odpovědníků
Peter Nosáľ -
Fiscal multipliers through machine learning
Juraj Szitás -
Detection of Android Malware Using Machine Learning
Matúš Šikyňa -
Machine Learning for Phishing URL Detection
Juraj Smeriga -
Supervised and Unsupervised Machine Learning Methods for System Log Anomaly Detection
Júlia Ščensná -
Reinforcement Learning for Efficient Attack Agents Training
Glenn Fischer -
Detecting user actions from encrypted traffic using machine learning
Tomáš Babej