Genetické programování v úlohách predikce

Loading...
Thumbnail Image
Date
ORCID
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
V této práci jsou představeny různé metody strojového učení, jež lze využít v úlohách predikce založených na regresi. Detailněji je popsáno stromové a lineární genetické programování. S vybranými algoritmy strojového učení (lineární regrese, náhodný les, vícevrstvý perceptron a stromové genetické programování) jsou provedeny experimenty na volně dostupných datových sadách za využití knihoven scikit-learn a gplearn, a získané výsledky jsou porovnány z pohledu kvality predikce. Stěžejní částí této práce byla implementace systému lineárního genetického programování v programovacím jazyce C++, která byla nejprve testována na umělých úlohách symbolické regrese, a následně na reálných datových sadách. Výsledky získané pomocí vytvořené implementace jsou porovnány vůči výsledkům získaným pomocí knihovny gplearn.
This thesis introduces various machine learning algorithms which can be used in prediction tasks based on regression. Tree genetic programming and linear genetic programming are explained more thoroughly. Selected machine learning algorithms (linear regression, random forest, multilayer perceptron and tree genetic programming) are compared on publicly available datasets with the use of scikit-learn and gplearn libraries. A core part of this project is a new implementation of linear genetic programming which was developed in C++, tested on common symbolic regression problems and then evaluated on real datasets. Results obtained with the proposed system are compared with the results obtained with gplearn.
Description
Citation
MACHAČ, M. Genetické programování v úlohách predikce [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. Vítězslav Beran, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen)
Date of acceptance
2020-07-13
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Jakým způsobem by bylo možné zahrnout do vaší implementace lineárního genetického programování podmínečné instrukce (skoky)? V čem vidíte největší technický problém, který bylo potřeba vyřešit? Podle čeho jste vybíral hodnotící funkce?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO