prikaz prve stranice dokumenta Optimizacija procesa odabira značajki u strojnom učenju
  Preuzmi
PDF 833.18 KB
diplomski rad
Optimizacija procesa odabira značajki u strojnom učenju
2024. urn:nbn:hr:166:569220
Kumir, Marko
Sveučilište u Splitu
Prirodoslovno-matematički fakultet

Citirajte ovaj rad

Kumir, M. (2024). Optimizacija procesa odabira značajki u strojnom učenju (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:569220

Kumir, Marko. "Optimizacija procesa odabira značajki u strojnom učenju." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:166:569220

Kumir, Marko. "Optimizacija procesa odabira značajki u strojnom učenju." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:166:569220

Kumir, M. (2024). 'Optimizacija procesa odabira značajki u strojnom učenju', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 04.12.2024., https://urn.nsk.hr/urn:nbn:hr:166:569220

Kumir M. Optimizacija procesa odabira značajki u strojnom učenju [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2024 [pristupljeno 04.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:569220

M. Kumir, "Optimizacija procesa odabira značajki u strojnom učenju", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:569220

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:569220
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovOptimizacija procesa odabira značajki u strojnom učenju
Naslov (engleski)Optimization of Feature Selection Process in Machine Learning
AutorMarko Kumir
MentorGoran Zaharija (mentor)
Član povjerenstvaGoran Zaharija (predsjednik povjerenstva)
Član povjerenstvaDivna Krpan (član povjerenstva)
Član povjerenstvaNika Jerković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Split
Datum i država obrane2024-09-25, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Pravilno odabrane značajke igraju ključnu ulogu u poboljšanju performansi modela strojnog učenja, smanjenju složenosti podataka i ubrzavanju procesa treniranja. Nakon detaljnog pregleda literature provedbom PRISMA smjernica, fokus je stavljen na financijsku domenu, posebno na procjenu kreditnog rizika u bankarstvu. U eksperimentalnom dijelu rada testirane su različite filter metode i ugrađene metode, pri čemu je testiranje provedeno na tri kreditna skupa podataka. S ciljem optimizacije procesa, testiranje je izvršeno na 50% najutjecajnijih značajki. Rezultati su pokazali da su RF i XGB modeli, trenirani na reduciranim skupovima podataka, ostvarili visoke performanse u usporedbi s modelima treniranim na inicijalnim skupovima podataka
Sažetak (engleski)
Properly selected features play a crucial role in improving the performance of machine learning models, reducing data complexity, and speeding up the training process. After a detailed literature review conducted using PRISMA guidelines, the focus was placed on the financial domain, specifically on credit risk assessment in banking. In the experimental part of the study, various filter methods and embedded methods were tested, with experiments conducted on three credit datasets. To optimize the process, testing was carried out on 50% of the most relevant features. The results showed that the RF and XGB models, trained on reduced datasets, achieved high performance compared to models trained on the initial datasets.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:569220
Studijski programNaziv: Podatkovna znanost i inženjerstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra podatkovne znanosti i inženjerstva (univ. mag. dat. sci. et ing.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-10-15 11:54:23