prikaz prve stranice dokumenta Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja
Rad nije dostupan
diplomski rad
Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:136863
Markovinović, Mariela
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Markovinović, M. (2020). Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:136863

Markovinović, Mariela. "Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:136863

Markovinović, Mariela. "Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:136863

Markovinović, M. (2020). 'Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:136863

Markovinović M. Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:136863

M. Markovinović, "Model glasača na predsjedničkim izborima baziran na metodama strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:136863

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:136863
Podaci o radu
NaslovModel glasača na predsjedničkim izborima baziran na metodama strojnog učenja
Naslov (engleski)Voter Model in Crotian Presidential Elections Based on Machine Learning Methods
AutorMariela Markovinović
MentorDario Bojanjac (mentor)
Član povjerenstvaDario Bojanjac (predsjednik povjerenstva)
Član povjerenstvaSonja Grgić (član povjerenstva)
Član povjerenstvaTomislav Kos (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-07-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovome radu prikazani su različiti algoritmi storojnog učenja. Analizirana je ovisnost točnosti modela o hiperparametrima kao i o odabranom skupu podataka za predviđanje. Skup podataka za analiziranje čine dvije ankete koje ispituju stavove glasača neposredno prije prvog i drugog kruga predsjedničkih izbora. Opisane su metode prikupljanja, pripreme i analize anketa. Prvi dio rezultata čine testovi šest algoritama, prikazana je ovisnost točnosti o različitim hiperparametrima. Drugi dio čine predviđanja distribucije glasova pomoću algoritma slučajne šume. Najbolji rezultati dobivaju se korištenjem algoritma slučajne šume, gdje je točnost predviđene distribucije glasova 85%.
Sažetak (engleski)
This master's thesis presents tests of several different machine learning algorithms. The dependence of the accuracy of the model on the hyperparameters, as well as on the choice of the data-set used for the predictions, were analyzed. The data-set used in the analyses consists of two polls designed to examine voter attitudes just before the first and second rounds of the presidential election. Methods of collecting, preparing, and analyzing surveys are described in the master's thesis. The first part of the thesis presents the results of the tests of six different algorithms, expressed via the model accuracy dependence on different hyperparameters. The second part presents the distribution of votes as predicted using a random forest algorithm. The best results and highest accuracy are obtained using a random forest algorithm, where the accuracy of the predicted distribution of votes is 85%.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:136863
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 pohrane2023-01-13 13:00:43