National and Kapodistrian University of Athens
Βελτιστοποίηση παραμέτρων αλγορίθμων κατηγοριοποίησης βιολογικών δεδομένων
Abstract
dc:descriptionΕισαγωγή: Η κατηγοριοποίηση αποτελεί μία τεχνική εξόρυξης δεδομένων, κατά την οποία τα δεδομένα ταξινομούνται σε προκαθορισμένες κατηγορίες. Η κατηγοριοποίηση διερευνά τη μελέτη και την κατασκευή αλγορίθμων κατηγοριοποίησης που μπορούν να μαθαίνουν από τα δεδομένα και να κάνουν προβλέψεις για αυτά. Ανήκει στην κατηγορία της επιβλεπόμενης μάθησης, όπου ο αλγόριθμος κατασκευάζει μια συνάρτηση που απεικονίζει δεδομένες εισόδους σε γνωστές, επιθυμητές εξόδους, με απώτερο σκοπό τη γενίκευση του μοντέλου και για εισόδους με άγνωστη έξοδο. Μπορεί να εφαρμοστεί σε διάφορα πεδία άρα και σε διαφορετικά σύνολα δεδομένων. Σκοπός: Σκοπός της παρούσας διπλωματικής είναι η ανάλυση βιολογικών δεδομένων με ήδη γνωστούς αλγορίθμους κατηγοριοποίησης σε συνδυασμό με την επιλογή της κατάλληλης τεχνικής. Με χρήση τεχνικών ρύθμισης των υπερ-παραμέτρων των αλγορίθμων, έγιναν προσπάθειες βελτιστοποίησης της απόδοσης των μοντέλων καθώς και προσπάθειες αυτοματοποίησης της διαδικασίας επιλογής των υπερ-παραμέτρων εκείνων, που φέρουν το βέλτιστο αποτέλεσμα. Μέθοδος: Για τους σκοπούς της υλοποίησης χρησιμοποιήθηκε η προγραμματιστική γλώσσα Python και πιο συγκεκριμένα, η βιβλιοθήκη scikit-learn, η οποία περιλαμβάνει διάφορους αλγόριθμους μηχανικής μάθησης. Για την εκπόνηση της εργασίας χρησιμοποιήθηκαν οι εξής κατηγοριοποιητές: Support Vector Machine Classifier, Random Forest Classifier και k-Nearest Neighbor. Συνδυαστικά με τις μεθόδους GridSearchCV και RandomSearchCV έγινε προσπάθεια βελτιστοποίησης των υπερ-παραμέτρων των παραπάνω κατηγοριοποιητών. Επιπρόσθετα, χρησιμοποιήθηκαν δύο αυτοματοποιημένα εργαλεία, το TPOT που χρησιμοποιεί γενετικές μεθόδους και το auto-sklearn, το οποίο χρησιμοποιεί βελτιστοποίηση Bayes, μετα-μάθηση και κατασκευή συνόλων. Αποτελέσματα: Βάσει των αποτελεσμάτων η μεθοδολογία φαίνεται να λειτούργησε στον SVC, στον οποίο είδαμε βελτίωση στα αποτελέσματα του και σε αρκετά γρήγορο διάστημα. Στις υπόλοιπες περιπτώσεις η μεθοδολογία δεν έφερε τα αποτελέσματα που περιμέναμε και στην περίπτωση του RandomForestClassifier ο χρόνος εκτέλεσης ήταν αρκετά υψηλός.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Παπανάστου Καλλιόπη
- Papanastou Kalliopi
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek, English
Identifiers
dc:identifier.*- Identifier
- uoadl:2926003