Pregled bibliografske jedinice broj: 1196196
Machine learning; neural networks; logistic regression; decision trees; K-nearest neighbors algorithm; random forest; support vector machine; presidential elections
machine learning; neural networks; logistic regression; decision trees; K-nearest neighbors algorithm; random forest; support vector machine; presidential elections, 2020., diplomski rad, diplomski, Zagreb
CROSBI ID: 1196196 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Machine learning; neural networks; logistic
regression; decision trees; K-nearest neighbors
algorithm; random forest; support vector machine;
presidential elections
Autori
Markovinović, Mariela
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski
Mjesto
Zagreb
Datum
10.07
Godina
2020
Stranica
71
Mentor
Bojanjac, Dario
Ključne riječi
strojno učenje ; neuronske mreže ; logistička regresija ; stablo odlučivanja ; algoritam k-najbližih susjeda ; slučajne šume ; stroj potpornih vektora ; predsjednički izbori
(machine learning ; neural networks ; logistic regression ; decision trees ; K-nearest neighbors algorithm ; random forest ; support vector machine ; presidential elections)
Sažetak
U ovome radu prikazani su različiti algoritmi storojnog učenja. Analizirana je ovisnost točnosti modela o hiperparametrima kao i o odabranom skupu podataka za predviđanje. Skup podataka za analiziranje čine dvije ankete koje ispituju stavove glasača neposredno prije prvog i drugog kruga predsjedničkih izbora. Opisane su metode prikupljanja, pripreme i analize anketa. Prvi dio rezultata čine testovi šest algoritama, prikazana je ovisnost točnosti o različitim hiperparametrima. Drugi dio čine predviđanja distribucije glasova pomoću algoritma slučajne šume. Najbolji rezultati dobivaju se korištenjem algoritma slučajne šume, gdje je točnost predviđene distribucije glasova 85%.
Izvorni jezik
Hrvatski
Znanstvena područja
Računarstvo
