Δένδρα Αποφάσεων

Σαμαρά, Ναταλία; Samara, Natalia

dc.contributor.author	Σαμαρά, Ναταλία	el
dc.contributor.author	Samara, Natalia	en
dc.date.accessioned	2023-01-09T11:51:17Z
dc.date.available	2023-01-09T11:51:17Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56566
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24264
dc.rights	Default License
dc.subject	Δένδρα αποφάσεων	el
dc.subject	Decision trees	en
dc.subject	Αλγόριθμος CART	el
dc.subject	Ενσάκιση	el
dc.subject	Τυχαία δάση	el
dc.subject	Ενίσχυση	el
dc.subject	CART algorithm	en
dc.subject	Bagging	en
dc.subject	Random forests	en
dc.subject	Boosting	en
dc.title	Δένδρα Αποφάσεων	el
dc.title	Decision Trees	en
heal.type	bachelorThesis
heal.classification	Μαθηματικά	el
heal.classification	Στατιστική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-06
heal.abstract	Στην παρούσα διπλωματική εργασία αναλύεται η στατιστική μέθοδος της δενδρικής παλινδρόμησης και της δενδρικής ταξινόμησης, καθώς και οι αντίστοιχες επεκτάσεις αυτών. Στην συνέχεια, εφαρμόζεται στο οικονομικό πρόβλημα της υπόθεσης του κύκλου ζωής (πρόβλημα παλινδρόμησης) και στο πρόβλημα της αναζήτησης εξωπλανητών μέσω του δορυφόρου Kepler της NASA πρόβλημα ταξινόμησης). Οι μέθοδοι της δενδρικής παλινδρόμησης και ταξινόμησης βασίζονται στον αλγόριθμο CART, ο οποίος κατασκευάζει δένδρα παλινδρόμησης και ταξινόμησης ή, πιο γενικά, δένδρα αποφάσεων. Τα τελευταία αποτελούν στατιστικά μοντέλα πρόβλεψης, όπου σε κάθε κλαδί του δένδρου πραγματοποιούνται αποφάσεις που αφορούν τα χαρακτηριστικά (επεξηγηματικές μεταβλητές) από τα οποία εξαρτάται η μεταβλητή απόκρισης που μας ενδιαφέρει να προβλέψουμε. Η κάθε απόφαση στηρίζεται σε μία συνθήκη τμήσης ή, αλλιώς, σε ένα κριτήριο διαμέρισης, το οποίο οφείλει να είναι το βέλτιστο σε κάθε τμήση, προκειμένου η τελική πρόβλεψη να είναι όσον το δυνατόν πιο ακριβής, συνοδευόμενη από ένα χαμηλό σφάλμα. Ως επεκτάσεις (βελτιώσεις) της μεθόδου της δενδρικής παλινδρόμησης (και ταξινόμησης) εισάγονται κάποιες τεχνικές συνόλου, όπως είναι η Ενσάκιση, τα Τυχαία Δάση και η Ενίσχυση, οι οποίες στοχεύουν σε μία ακόμα πιο εύστοχη πρόβλεψη και στην δυνατότητα αυτή να παραμένει σχετικά αναλλοίωτη σε τυχόν μεταβολές στα υπάρχοντα δεδομένα. Τέλος, με αφορμή δύο στατιστικά προβλήματα, η μέθοδος της δενδρικής παλινδρόμησης συγκρίνεται με την κλασική μέθοδο της πολλαπλής γραμμικής παλινδρόμησης, όπως και η μέθοδος της δενδρικής ταξινόμησης εξετάζεται σε σχέση με την γνωστή μέθοδο της λογιστικής παλινδρόμησης. Η διαδικασία αυτή αποσκοπεί στο να αποφανθούμε, τελικά, ποια μέθοδος αποδίδει καλύτερα ανάλογα με το πρόβλημα που διαθέτουμε και ποια είναι αυτή που παρέχει τις ορθότερες, χαμηλότερου σφάλματος προβλέψεις και εκτιμήσεις για την εκάστοτε μεταβλητή ενδιαφέροντος.	el
heal.advisorName	Φουσκάκης, Δημήτριος	el
heal.committeeMemberName	Λουλάκης, Μιχαήλ	el
heal.committeeMemberName	Βόντα, Φιλία	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	137 σ.	el
heal.fullTextAvailability	false