Multi-target módszerek összehasonlító analízise a klinikai adatok felhasználásával
dc.contributor.advisor | Emri, Miklós | |
dc.contributor.advisor | Aranyi, Csaba Sándor | |
dc.contributor.author | Pánti, Zoltán | |
dc.contributor.department | DE--Informatikai Kar | |
dc.date.accessioned | 2025-02-23T00:28:05Z | |
dc.date.available | 2025-02-23T00:28:05Z | |
dc.date.created | 2024-11-06 | |
dc.description.abstract | A gépi tanulás elterjedésével egyre gyakrabban merülnek fel olyan problémák táblázatos adatok elemzése során, amelyeknél több diszkrét jellemzőt szeretnénk egyszerre prediktálni. A multi-target osztályozás megoldás lehet erre a problémára, amely felhasználja a céljellemzők közötti kapcsolatot a modell teljesítményének a javításához. Célul tűztük ki, hogy három, multi-target modellezésre alkalmas módszert hasonlítunk össze: 2 single-target módszerhez a TPOT-ot, míg a multi-targethez az AutoGluon AutoML keretrendszereket használtam. Az összehasonlító elemzéshez egy egyetemi diabétesz kutatáshoz kapcsolódó adattáblát és a szabadon elérhető ”Cardiotocography” klinikai táblázatos adathalmazt használtunk. Eredményeink azt mutatják, hogy a diszkrét céljellemzők közötti erős kapcsolat esetén jobb eredményeket ér el a multi-target modell, mint a hagyományos osztályozási módszerek. A konkrét adatok esetében ez a javulás csak a ”Cardiotocography adathalmazon volt kimutatható, a diabétesz adattábla esetében a javulás csak kismértékben jelentkezett. | |
dc.description.course | Adattudomány | |
dc.description.degree | MSc/MA | |
dc.format.extent | 41 | |
dc.identifier.uri | https://hdl.handle.net/2437/387538 | |
dc.language.iso | hu | |
dc.rights.access | Hozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében. | |
dc.subject | AutoML multi-target gépi tanulás osztályozás | |
dc.subject.dspace | Informatika::Információtechnológia | |
dc.title | Multi-target módszerek összehasonlító analízise a klinikai adatok felhasználásával |
Fájlok
Eredeti köteg (ORIGINAL bundle)
1 - 1 (Összesen 1)
Nincs kép
- Név:
- szakdolgozat.pdf
- Méret:
- 1.19 MB
- Formátum:
- Adobe Portable Document Format
- Leírás:
- szakdolgozat
Engedélyek köteg
1 - 1 (Összesen 1)
Nincs kép
- Név:
- license.txt
- Méret:
- 2.35 KB
- Formátum:
- Item-specific license agreed upon to submission
- Leírás: