prikaz prve stranice dokumenta Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka
Rad nije dostupan
diplomski rad
Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. urn:nbn:hr:168:636457
Bregar, Dijana
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bregar, D. (2015). Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:636457

Bregar, Dijana. "Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:636457

Bregar, Dijana. "Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:636457

Bregar, D. (2015). 'Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 06.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:636457

Bregar D. Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2015 [pristupljeno 06.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:636457

D. Bregar, "Utjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2015. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:636457

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:636457
Podaci o radu
NaslovUtjecaj značajki podatkovnog skupa na rezultate prediktivne dubinske analize podataka
Naslov (engleski)Influence of Dataset Characteristics on Predictive Data Mining Analysis Results
AutorDijana Bregar
MentorMarko Banek (mentor)
Član povjerenstvaMarko Banek (predsjednik povjerenstva)
Član povjerenstvaBoris Vrdoljak (član povjerenstva)
Član povjerenstvaDamir Pintar (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2015-02-11, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Tema ovog rada je ispitivanje utjecaja značajki podatkovnog skupa na rezultate prediktivne analize podataka. U tu svrhu izabrana su tri skupa podataka s različitim značajkama te je nad njima provedena dubinska analiza podataka s pomoću algoritama za izgradnju stabla odlučivanja. Na početku rada dan je uvod u dubinsku analizu podataka te je definiran osnovni pojam klasifikacije i stabla odlučivanja. Objašnjen je postupak izgradnje stabla odlučivanja i opisane su neke od najčešćih mjera odabira atributa koje se pri tome koriste. Prikazani su i mogući problemi u modeliranju metodom stabla odlučivanja s naglaskom na pretreniranost stabla te su opisane najčešće metode za podrezivanje. U nastavku je prikazan način evaluacije dobivenog modela te usporedbe rezultata dobivenih evaluacijom različitih modela. U završnom dijelu rada dan je kratki opis programskog alata Weka te su prikazani rezultati analize provedene nad odabranim skupovima podataka.
Sažetak (engleski)
The purpose of this thesis was to investigate the influence of the data set features on the results of predictive data analysis. Three data sets with different features were chosen and data mining algorithms for building decision trees were used. Firstly, an introduction to data mining is given and the basic concepts of classification and decision trees are explained. Decision tree induction and some of the most commonly used splitting criteria are described. A possible problems in the building the decision trees with an emphasis on overfitting are presented and the most common pruning methods are described. Next, the model evaluation and results comparison methods are explained. The last chapter gives a description of the data mining software Weka and shows the results of the data mining analysis.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:636457
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 pohrane2019-03-13 19:18:58