Testování rozhodovacích algoritmů na notebooku Jupyter

Miroslav Kálal

Diplomová práce

Testing decision algorithms on Jupyter notebook

Anotace:

Tato práce se zabývá Strojovým učením a testováním jeho algoritmů v aplikaci Jupyter notebook. Strojové učení je větev umělé inteligence, která zasahuje do oblasti statistiky. Technika učení s učitelem využívá předem připravenou trénovací sadu s označenými daty, na které se algoritmy učí řešení úlohy klasifikace, nebo regrese. Při klasifikaci algoritmus vrací zařazení vstupu do některé z definovaných tříd. Při regresi odhaduje hodnotu proměnné. Výkon klasifikátoru lze měřit procentuální úspěšností jeho predikcí na testovacích datech. Algoritmus SVM se při učení klasifikace snaží najít optimální lineární oddělovač mezi třídami. Nejbližších k sousedů vrací třídu, která je nejčastěji zastoupena mezi sousedy zadaného vstupu, které jsou mu v určitém smyslu nejblíže. Neuronové sítě jsou rodina algoritmů, která vychází z biologických neuronových sítí. skládá se z neuronů, které jsou navzájem propojeny a jejichž výstup závisí na překonání určité hranice hodnotou jejich vstupů. Aplikace Jupyter notebook je lokálně spouštěná webová aplikace, která umožňuje kombinovat formátovaný text a zdrojový kód různých programovacích jazyků v jednom souboru. Zdrojový kód lze vkládat do oddělených buněk, které jsou samostatně spustitelné. Představený postup učení algoritmů se skládá z analýzy a přípravy trénovací sady, volby trénovací základny, tréninku křížovou validací a optimalizaci parametrů validačními křivkami, včetně metodiky testování algoritmů. Postup je demonstrován na klasifikaci typu skla.

Abstract:

This thesis deals with Machine learning and testing of its algorithms in the Jupyter notebook application. Machine learning is a branch of Artificial intelligence which is connected to statistics. The technique of supervised learning uses prepared training dataset with labeled data from which the algorithms are trained for solving a classification or regression task. Classification is a task of classifying the given input as a member of one of the defined classes, regression is a target variable value aproximation task. A classifier performance can be measured by the percentage of successful predictions on testing data. The SVM algorithm solves the classification problem by finding the optimal linear separator of the defined classes. K Nearest neighbours returns the class which appears the most frequently among the given input's neighbors which are in some sense the nearest. Neural networks are a family of algorithms, which is derived from biological neural networks. A Neural network is composed of neurons which are connected to each other and whose output is determined by their inputs surpassing a certain threshold. Jupyter notebook is a locally run web application which allows the user to combine formatted text with source codes of different programming languages in a single file. The code is placed in cells which can be run separately. The suggested method of algorithm training is composed of analysis and training dataset preparation, cross-validation training and parameter optimalization with the use of validation curves, including the algorithm testing methodology. The method is demonstrated on glass type classification.

Klíčová slova

Strojové učení, učení s učitelem, křížová validace, klasifikace, Jupyter notebook, Python, datová analýza

Keywords

Machine Learning, supervised learning, cross-validation, classification, Jupyter notebook, Python, data analysis

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 31. 3. 2021

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Arnošt Veselý, CSc.

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Magisterský studijní program / obor:
Systémové inženýrství a informatika / Informatika