prikaz prve stranice dokumenta Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota
Rad nije dostupan
diplomski rad
Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:748022
Blagaić, Sven
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Blagaić, S. (2023). Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:748022

Blagaić, Sven. "Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:748022

Blagaić, Sven. "Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:748022

Blagaić, S. (2023). 'Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 19.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:748022

Blagaić S. Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 19.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:748022

S. Blagaić, "Mikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:748022

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:748022
Podaci o radu
NaslovMikroservisna web aplikacija za usporedbu ML algoritama za predviđanje bankrota
Naslov (engleski)Microservice web application for comparing ML algorithms for bankruptcy prediction
AutorSven Blagaić
MentorMarina Bagić Babac (mentor)
Član povjerenstvaMarina Bagić Babac (predsjednik povjerenstva)
Član povjerenstvaMirjana Domazet-Lošo (član povjerenstva)
Član povjerenstvaMarko Horvat (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-10, Hrvatska
Sažetak
Zadnjih godina povećao se broj bankrota raznih tvrtki zbog različitih ekonomskih i neekonomskih razloga. Predviđanje bankrota pokušava detektirati ovakve slučajeve temeljem raznih financijskih značajki kako bi se spriječilo njihovo buduće pojavljivanje. Cilj ovog rada bio je razviti web aplikaciju čija je svrha omogućiti lakšu usporedbu algoritama strojnog učenja koji se koriste za predviđanje bankrota. Dodatno, napravljena je detaljna usporedba korištenih algoritama koristeći rezultate dobivene iz aplikacije. Pet modela koji su se koristili bili su stablo odluke, slučajna šuma, k najbližih susjeda, neuronska mreža - višeslojni perceptron i stroj potpornih vektora te su bili testirani na četiri različite mjere vrednovanja - točnost, preciznost, odziv i F1 mjera. Odziv, odnosno udio stvarno pozitivnih primjera, je smatran najbitnijom mjerom jer propuštanje uočavanja slučaja bankrota ima veće posljedice od pogrešnog klasificiranja solventne tvrtke kao bankrotirajuće.
Sažetak (engleski)
Company bankruptcy cases have risen in recent years due to different economic and non-economic factors. Bankruptcy prediction attempts to detect these events based on different financial features in order to prevent future occurences. The aim of this thesis was to develop a web application whose purpose is to enable easier comparison of different machine learning algorithms used for bankruptcy prediction. In addition, the algorithms were compared in detail using the results gained from the application. The five models in question were Decision tree, Random forest, K-nearest neighbors, Neural network - multilayer perceptron and Support vector machine, and they were tested on four different metrics – accuracy, precision, recall and F1 score while Type I and Type II errors were also considered. Recall, or the true positive rate, was regarded as the most important metric since failing to identify a bankruptcy case is usually more costly than falsely interpreting a solvent company as bankrupt.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:748022
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-10-11 08:26:40