{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2926003"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2926003","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Βελτιστοποίηση παραμέτρων αλγορίθμων κατηγοριοποίησης βιολογικών δεδομένων","abstract":"Εισαγωγή: 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.","abstract_html":"Εισαγωγή: 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.","abstract_has_math":false,"creators":["Παπανάστου Καλλιόπη","Papanastou Kalliopi"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:40:49Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek","English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2926003"],"render_values":[{"text":"uoadl:2926003","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2926003","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2926003","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2926003","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Παπανάστου Καλλιόπη","Papanastou Kalliopi"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek","English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2926003","https://pergamos.lib.uoa.gr/uoa/dl/object/2926003"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Εισαγωγή: 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.","Introduction: Classification is a data mining technique, in which data is classified in pre-labeled categories. Machine learning explores the study and construction of algorithms that can learn from data and make predictions on data. Classification, belongs in supervised learning, where the algorithm builds a mathematical model from a set of data that contains both the inputs and the desired outputs. It can be used in a wide variety of applications and datasets. Objective: The aim of this study is to analyze biological data with already known classification algorithms in combination with the selection of the appropriate technique. We will try to optimize the performance of the algorithms using hyper-parameter tuning techniques and techniques for automation of this procedure. Methodology: Python programming language was used for implementation purposes. More specifically, the scikit-learn library was used, which includes various machine learning algorithms. This study, focuses in classification so, the used algorithms are the Support Vector Machine Classifier, the Random Forest Classifier and the K-Nearest Neighbor Classifier. For the hyperparameter tuning, scikit-learn, provides the GridSearchCV and the RandomizedSearchCV method. These two methods were used in an attempt to optimize the hyperparameters of the classifiers mentioned above. In addition, two automated tools were also used, TPOT which uses genetic programming and Auto-sklearn that uses Bayesian optimization, meta-learning and ensembles construction. Results: Based on the results, the methodology seems to have worked in SVC, where we saw an improvement in its results and in a fairly short time. In the other cases, the methodology did not bring the results we expected and in the case of the RandomForestClassifier the execution time was quite high."]},{"key":"dc:title","label":"Title","values":["Βελτιστοποίηση παραμέτρων αλγορίθμων κατηγοριοποίησης βιολογικών δεδομένων"]}]}],"canonical_facts":{"dc:creator":["Παπανάστου Καλλιόπη","Papanastou Kalliopi"],"dc:date":["2020"],"dc:description":["Εισαγωγή: 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.","Introduction: Classification is a data mining technique, in which data is classified in pre-labeled categories. Machine learning explores the study and construction of algorithms that can learn from data and make predictions on data. Classification, belongs in supervised learning, where the algorithm builds a mathematical model from a set of data that contains both the inputs and the desired outputs. It can be used in a wide variety of applications and datasets. Objective: The aim of this study is to analyze biological data with already known classification algorithms in combination with the selection of the appropriate technique. We will try to optimize the performance of the algorithms using hyper-parameter tuning techniques and techniques for automation of this procedure. Methodology: Python programming language was used for implementation purposes. More specifically, the scikit-learn library was used, which includes various machine learning algorithms. This study, focuses in classification so, the used algorithms are the Support Vector Machine Classifier, the Random Forest Classifier and the K-Nearest Neighbor Classifier. For the hyperparameter tuning, scikit-learn, provides the GridSearchCV and the RandomizedSearchCV method. These two methods were used in an attempt to optimize the hyperparameters of the classifiers mentioned above. In addition, two automated tools were also used, TPOT which uses genetic programming and Auto-sklearn that uses Bayesian optimization, meta-learning and ensembles construction. Results: Based on the results, the methodology seems to have worked in SVC, where we saw an improvement in its results and in a fairly short time. In the other cases, the methodology did not bring the results we expected and in the case of the RandomForestClassifier the execution time was quite high."],"dc:identifier":["uoadl:2926003","https://pergamos.lib.uoa.gr/uoa/dl/object/2926003"],"dc:language":["Ελληνικά","Greek","English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Βελτιστοποίηση παραμέτρων αλγορίθμων κατηγοριοποίησης βιολογικών δεδομένων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:40:49Z"}