HEAL DSpace

Ανίχνευση μετατόπισης χαρακτηριστικών σε μοντέλα στατιστικής μάθησης με τη βοήθεια των διαγραμμάτων ελέγχου

DSpace/Manakin Repository

Show simple item record

dc.contributor.author Τρουλιτάκη, Πετρίνα el
dc.contributor.author Troulitaki, Petrina en
dc.date.accessioned 2019-07-18T11:16:11Z
dc.date.available 2019-07-18T11:16:11Z
dc.date.issued 2019-07-18
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/49081
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.16833
dc.rights Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ *
dc.subject Μετατόπιση χαρακτηριστικών el
dc.subject Ταξινόμηση el
dc.subject Διαγράμματα ελέγχου el
dc.subject EWMA διαγράμματα el
dc.subject Όρια ελέγχου el
dc.title Ανίχνευση μετατόπισης χαρακτηριστικών σε μοντέλα στατιστικής μάθησης με τη βοήθεια των διαγραμμάτων ελέγχου el
dc.title Concept drift detection in statistical learning models using control charts en
heal.type bachelorThesis
heal.classification Μαθηματικά - Machine Learning el
heal.language el
heal.access campus
heal.recordProvider ntua el
heal.publicationDate 2019-06-26
heal.abstract Η ταξινόμηση δεδομένων αποτελεί μια διαδικασία η οποία χρησιμοποιείται ευρέως στις μέρες μας. Η ορθότητα και η αποτελεσματικότητα της ταξινόμησης είναι καίριας σημασίας, εφόσον εφαρμόζεται σχεδόν σε όλες τις σύγχρονες επιχειρήσεις, στον τομέα της ιατρικής, της μετεωρολογίας και σε πολλά ακόμα επιστημονικά πεδία. Ωστόσο, τα κριτήρια για την εκάστοτε κατηγοριοποίηση δεν παραμένουν σταθερά αλλά παρατηρούνται αλλαγές στον τρόπο πρόβλεψης και στην κατανομή που έχουμε καταλήξει ότι ακολουθούν τα δεδομένα μας, γεγονός που αν δεν ληφθεί υπόψη, οδηγεί σε ψευδή αποτελέσματα. Το φαινόμενο αυτό είναι γνωστό στην επιστημονική κοινότητα ως μετατόπιση χαρακτηριστικού (concept drift), και γίνονται πολλές προσπάθειες τα τελευταία χρόνια για την αποτελεσματικότερη αντιμετώπισή του. Στην πρώτη ενότητα της συγκεκριμένης εργασίας, παρουσιάζουμε αναφορικά την μέχρι τώρα πρόοδο που έχει γίνει στο συγκεκριμένο θέμα και επικεντρωνόμαστε κυρίως στην επίλυσή του με χρήση διαγραμμάτων ελέγχου και συγκεκριμένα των διαγραμμάτων με κινητούς μέσους με εκθετικά βάρη (EWMA). Αμέσως μετά, θα προσπαθήσουμε να υλοποιήσουμε τον αλγόριθμο που προτάθηκε από τον G. J. Ross στο άρθρο του Exponentially weighted moving average charts for detecting Concept Drift, Pattern Recognition Letters (2012), χρησιμοποιώντας το στατιστικό πακέτο R, και να παρουσιάσουμε τα αποτελέσματα που είχε η εφαρμογή του σε δεδομένα. Τέλος, προτείνουμε κάποιες βελτιώσεις στον αλγόριθμο που θα μπορούσαν να αυξήσουν την επίδοσή του και παρουσιάζουμε και πάλι τα αντίστοιχα αποτελέσματα. el
heal.abstract Classification of data is a widely used process nowadays. The correctness and effectiveness of classification is of great importance, since it is used in every modern business, in medical applications, in meteorology and many more science fields. However, the criteria of a classification process may change over time causing alterations in the underlying distribution of the data and lead to the wrong estimations. This phenomenon is known in the literature as concept drift and over the past years more and more scientists are trying to cope with this problem effectively. In the first section of this paper, we present some of the existing algorithms and handling strategies of concept drift that have been developed until now and we focus on the solutions that use statistical process control charts to deal with this situation. In the second section, we try to reproduce the algorithm that was proposed by J. Gordon Ross, in the article Exponentially weighted moving average charts for detecting Concept Drift, Pattern Recognition Letters (2012), that uses EWMA control charts, using the statistical package R, and we present the results of the application of the algorithm on data. In the last chapter, we suggest several improvements that we believe they will rise the performance of the existing algorithm and we also present our results en
heal.advisorName Κουκουβίνος, Χρήστος el
heal.committeeMemberName Κουκουβίνος, Χρήστος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών el
heal.academicPublisherID ntua
heal.numberOfPages 109 σ.
heal.fullTextAvailability true


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Except where otherwise noted, this item's license is described as Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα