Usporedba metoda strojnog učenja s jasnim i nejasnim tumačenjem modela (CROSBI ID 427394)
Ocjenski rad | sveučilišni preddiplomski završni rad
Podaci o odgovornosti
Pantina, Ardian
Jović, Alan
hrvatski
Usporedba metoda strojnog učenja s jasnim i nejasnim tumačenjem modela
Različiti algoritmi klasifikacije, osim po samom pristupu problemu i performansama, razlikuju se i po razini razumljivosti i jednostavnosti objašnjenja čovjeku. Oni se mogu formalno usporediti po preciznosti kvalifikacije nad skupovima podataka koristeći metode poput unakrsne validacije, dok za interpretabilnost formalna definicija ne postoji. Ipak, sposobnost shvaćanja kako algoritmi donose odluke je sve bitniji s porastom odgovornosti sustava koji te algoritme koriste. Iako je generalan konsenzus da kompleksniji i teže razumljivi algoritmi donose bolje rezultate, oni jednostavniji imaju svoje prednosti i primjenjivi su na određene probleme.
Strojno učenje, klasifikacija, nadzirano učenje, algoritmi, interpretabilnost
nije evidentirano
engleski
Comparison of Machine Learning Methods with Clear and Unclear Model Interpretation
nije evidentirano
Machine learning, classification, supervised learning, interpretability
nije evidentirano
Podaci o izdanju
27
02.07.2019.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb