Back to search

National and Kapodistrian University of Athens

Principles of machine learning - Random forests and applications

Abstract

dc:description

Αυτή η μεταπτυχιακή εργασία εμπεριέχει μια σύντομη εισαγωγή στη θεωρία μηχανικής μάθησης (από μία στατιστική προοπτική), η οποία προσφέρει αυτοματοποιημένες διαδικασίες για την πρόβλεψη ενός φαινομένου βασισμένη σε παρελθοντικές παρατηρήσεις. Τονίζονται οι ομοιότητες και οι διαφορές μεταξύ των παραδοσιακών μοντέλων παλινδρόμησης και εκείνων της μηχανικής μάθησης και δίνονται παραδείγματα σε προσομοιωμένα και πραγματικά δεδομένα. Από τις μεθόδους μηχανικής μάθησης, πέρα από την παλινδρόμηση, αυτή η διπλωματική αναφερει τις μεθόδους που έχουν ως βάση τους τα δένδρα και επικεντρώνεται στα δένδρα αποφάσεων και στις ensemble methods. Οι τελευταίες, συνδυάζουν μερικά βασικά μοντέλα με σκοπό να παράξουν ένα βέλτιστο μοντέλο πρόβλεψης. Από τις ensemble μεθόδους επικεντρωνόμαστε στα τυχαία δάση αντιμετωπίζοντας προβλήματα όπως η υπολογιστική επίδοση και η δυνατότητα κλιμάκωσης μαζί με μια συζήτηση αναφορικά με τις διαδικασίες εφαρμογής τους. Επίσης δίνονται και κάποιες εφαρμογές.

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • ΔΕΣΙΠΡΗ ΑΡΕΤΗ ΔΕΣΠΟΙΝΑ

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:2967981

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

ΔΕΣΙΠΡΗ ΑΡΕΤΗ ΔΕΣΠΟΙΝΑ. Principles of machine learning - Random forests and applications. 2021. https://pergamos.lib.uoa.gr/uoa/dl/object/2967981