Meta-učení v oblasti dolování dat
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce popisuje možnosti využití meta-učení v oblasti dolování dat. Popisuje problémy a úlohy dolování dat, na které je možné aplikovat meta-učení, se zaměřením na klasifikaci. Obsahuje přehled technik meta-učení a jejich možné využití v dolování dat, především v oblasti selekce modelu. Popisuje návrh a implementaci meta-učícího systém pro podporu klasifikačních úloh v dolování. Systém používá statistiku a teorii informací pro charakterizaci datových sad uložených v bázi meta-znalostí. Z báze pak vytváří meta-klasifikátor, který predikuje vhodný model pro nové datové sady. V závěru jsou diskutovány výsledky získané experimenty se systémem s více než 20 datovými sadami reprezentujícími klasifikační úlohy z různých oblastí a uvádí možnosti dalších rozšíření projektu.
This paper describes the use of meta-learning in the area of data mining. It describes the problems and tasks of data mining where meta-learning can be applied, with a focus on classification. It provides an overview of meta-learning techniques and their possible application in data mining, especially model selection. It describes design and implementation of meta-learning system to support classification tasks in data mining. The system uses statistics and information theory to characterize data sets stored in the meta-knowledge base. The meta-classifier is created from the base and predicts the most suitable model for the new data set. The conclusion discusses results of the experiments with more than 20 data sets representing clasification tasks from different areas and suggests possible extensions of the project.
This paper describes the use of meta-learning in the area of data mining. It describes the problems and tasks of data mining where meta-learning can be applied, with a focus on classification. It provides an overview of meta-learning techniques and their possible application in data mining, especially model selection. It describes design and implementation of meta-learning system to support classification tasks in data mining. The system uses statistics and information theory to characterize data sets stored in the meta-knowledge base. The meta-classifier is created from the base and predicts the most suitable model for the new data set. The conclusion discusses results of the experiments with more than 20 data sets representing clasification tasks from different areas and suggests possible extensions of the project.
Description
Citation
KUČERA, P. Meta-učení v oblasti dolování dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2013.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační systémy
Comittee
prof. Ing. Tomáš Hruška, CSc. (předseda)
doc. RNDr. Jitka Kreslíková, CSc. (místopředseda)
Ing. Vladimír Bartík, Ph.D. (člen)
prof. RNDr. Alexandr Meduna, CSc. (člen)
doc. RNDr. Lubomír Popelínský, Ph.D. (člen)
Ing. Aleš Smrčka, Ph.D. (člen)
Date of acceptance
2013-06-18
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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: Diskutujte nastavení vstupních parametrů klasifikačních algoritmů jak pro učení tak pro meta-učení - např. volbu k pro K-nejbližší sousedy nebo nastavení maximální výšky stromu. Je hodnota "+- 20.82%" v tabulce 6.3 směrodatná odchylka? Jaká byla směrodatná odchylka pro testování meta-klasifikátoru?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení