Nalazite se na CroRIS probnoj okolini. Ovdje evidentirani podaci neće biti pohranjeni u Informacijskom sustavu znanosti RH. Ako je ovo greška, CroRIS produkcijskoj okolini moguće je pristupi putem poveznice www.croris.hr
izvor podataka: crosbi !

Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore (CROSBI ID 434189)

Ocjenski rad | sveučilišni preddiplomski završni rad

Šimić, Lucija Josipa Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore / Vladimir, Klemo (mentor); Zagreb, Fakultet elektrotehnike i računarstva, . 2020

Podaci o odgovornosti

Šimić, Lucija Josipa

Vladimir, Klemo

hrvatski

Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore

U ovom radu opisuju se glavne značajke redukcije dimenzionalnosti. Objašnjeni su svojstveni vektori i svojstvene vrijednosti i dva načina njihovog računanja. Razmatra se analiza glavnih komponenti, metoda redukcije dimenzionalnosti koja koristi svojstvene vektore za pronalaženje glavnih komponenti. Metoda je implementirana u programskom jeziku Python, prvo na jednostavnom skupu podataka, a zatim pomoću biblioteke Scikit-Learn na skupu podataka Iris. Na kraju su opisane neke moguće primjene analize glavnih podataka.

analiza glavnih komponenata ; PCA ; svojstveni vektori ; svojstvene vrijednosti ; redukcija dimenzionalnosti

nije evidentirano

engleski

Dimensionality Reduction of Massive Datasets Using Eigenvectors

nije evidentirano

principal component analysis ; PCA ; eigenvectors ; eigenvalues ; dimensionality reduction

nije evidentirano

Podaci o izdanju

23

30.06.2020.

obranjeno

Podaci o ustanovi koja je dodijelila akademski stupanj

Fakultet elektrotehnike i računarstva

Zagreb

Povezanost rada

Računarstvo