Κλασικές και σύγχρονες μέθοδοι παλινδρόμησης

Αποστολόπουλος, Απόστολος

dc.contributor.author	Αποστολόπουλος, Απόστολος	el
dc.date.accessioned	2021-03-18T07:14:48Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53081
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20779
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Λογιστική παλινδρόμηση	el
dc.subject	Δέντρα παλινδρόμησης	el
dc.subject	Ανάλυσυ δεδομένων	el
dc.subject	Γραμμικά μοντέλα	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Logistic regression	en
dc.subject	Machine learning	en
dc.subject	Decision trees	en
dc.subject	Data analysis	en
dc.subject	Regression trees	en
dc.title	Κλασικές και σύγχρονες μέθοδοι παλινδρόμησης	el
dc.contributor.department	Τομέας Μαθηματικών	el
heal.type	bachelorThesis
heal.classification	Mathematics	en
heal.dateAvailable	2022-03-17T22:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2021-02
heal.abstract	Σκοπός της παρούσας πτυχιακής εργασίας είναι η σύγκριση διαφορετικών μεθόδων δέντρων παλινδρόμησης για την πρόβλεψη εξαρτημένων μεταβλητών. Για το σκοπό αυτό χρησιμοποιήθηκαν μελέτες περίπτωσης από σύνολα δεδομένων που εξορύχθηκαν από διαδικτυακές βάσεις δεδομένων. Οι μέθοδοι που εξετάζονται είναι το απλό δέντρο παλινδρόμησης, η μέθοδος Bagging, μια ειδική περίπτωση της Random Forest που χρησιμοποιεί m=p μεταβλητές, η μέθoδος Random Forest, μια μέθοδος που χρησιμοποιεί m=p/3 μεταβλητές, και η μέθοδος Boosting για διάφορες τιμές της παραμέτρου λ. Από την αξιολόγηση των αποτελεσμάτων της μελέτης περίπτωσης προέκυψε ότι η μέθοδος Boosting δίνει πιο ικανοποιητικά αποτελέσματα από τις προαναφερθείσες μεθόδους, ως εκ τούτου εκτιμάται ως η μέθοδος με τα περισσότερα πλεονεκτήματα όσον αφορά τη δημιουργία συλλογικών ταξινομητών.	el
heal.advisorName	Καρώνη, Χρυσηίς	el
heal.committeeMemberName	Παπανικολάου, Βασίλης	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	132 σ.	el
heal.fullTextAvailability	false