prikaz prve stranice dokumenta Prediktivna analiza upotrebom metode linearne regresije
Rad nije dostupan
diplomski rad
Prediktivna analiza upotrebom metode linearne regresije
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. urn:nbn:hr:168:581385
Paprić, Karmen
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Paprić, K. (2015). Prediktivna analiza upotrebom metode linearne regresije (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:581385

Paprić, Karmen. "Prediktivna analiza upotrebom metode linearne regresije." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:581385

Paprić, Karmen. "Prediktivna analiza upotrebom metode linearne regresije." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:581385

Paprić, K. (2015). 'Prediktivna analiza upotrebom metode linearne regresije', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 24.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:581385

Paprić K. Prediktivna analiza upotrebom metode linearne regresije [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2015 [pristupljeno 24.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:581385

K. Paprić, "Prediktivna analiza upotrebom metode linearne regresije", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2015. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:581385

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:581385
Podaci o radu
NaslovPrediktivna analiza upotrebom metode linearne regresije
Naslov (engleski)Predictive analysis using linear regression
AutorKarmen Paprić
MentorMarko Banek (mentor)
Član povjerenstvaMarko Banek (predsjednik povjerenstva)
Član povjerenstvaZoran Skočir (član povjerenstva)
Član povjerenstvaBoris Vrdoljak (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2015-07-03, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Da bi dubinska analiza podataka bila što uspješnija potrebno je prvo kvalitetno upoznati i pripremiti podatke. Po potrebi podaci se transformiraju. Prediktivna analiza podataka se koristi za predviđanje vjerojatnih događaja u budućnosti s nekom razinom pouzdanosti. Predviđanje je zapravo samo sugestija onoga što se može dogoditi, ali nikako i garancija da će se baš to doista i dogoditi. Čim je više povijesnih podataka dostupno za izgradnju modela, to će model biti precizniji i kvalitetniji. Na studijskom primjeru regresije prikazani su koraci od upoznavanja s podacima do izvođenje linearne regresije nad konkretnim podatkovnim skupom. Izvedena je transformacija atributa, provjerena korelacija među varijablama te dan grafički prikaz varijabli histogramima. Za provjeru ovisnosti izlazne varijable o ulaznim korišten je t-test te je konačno izvedena linearna regresija nad podacima. Na kraju je automatskom metodom za odabir varijabli za regresiju prikazan konačni model.
Sažetak (engleski)
In order to ensure a successful data mining analysis, the first need is to have a good knowledge of the data and to prepare them for analysis. If it is necessary, data can be transformed. Predictive analysis is used to predict the event in the future with some confidence level. Prediction is actually only a suggestion of what can happen, but not a guarantee that this will really happen. The more historical data is available for the construction of the model, the more precise the resulting model will be. In this thesis we preformed regression on case study data, preforming all steps of data mining analysis, from getting an initial view aimed at understanding the data to creating the final linear regression model on a the data. Attributes were transformed, correlation between variables was tested and graphical presentation of variables with histograms was provided. In order to check the output variables dependence on the input we used t-test, and finally performed a linear regression. The final regression model was constructed using automated method for variable selection.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:581385
Studijski programNaziv: Informacijska i komunikacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2018-02-06 11:04:18