National and Kapodistrian University of Athens
On the predictive ability of some statistical machine learning methods for binary outcomes
Abstract
dc:descriptionΗ τεχνολογική ανάπτυξη των τελευταίων δεκαετιών έχει ανοίξει το δρόμο σε πολλές, νέες δυνατότητες. Η στατιστική και πιο συγκεκριμένα ο χειρισμός και η ανάλυση δεδομένων από τον κλάδο της υγείας, έχουν με τη σειρά τους επηρεαστεί από τις τεχνολογικές καινοτομίες. Οι προσφάτως ανεπτυγμένες εφαρμογές κάποιων μεθόδων Machine Learning στη στατιστική, που στο σύνολό τους ονομάζονται Statistical Learning, προσφέρουν θεωρητικά εντυπωσιακή βελτίωση σε ορισμένα καίρια ζητήματα. Τόσο όσον αφορά την απόδοση και την ακρίβεια των εκτιμήσεων, όσο και στο χρόνο που απαιτείται για να τις εξάγουμε. Η παρούσα διπλωματική εργασία έχει ως σκοπό τη σύγκριση και αξιολόγηση της προβλεπτικής ικανότητας κάποιων στατιστικών μεθόδων Machine Learning σε δυαδικές εκβάσεις (επιτυχία-αποτυχία), τόσο μεταξύ τους, όσο και με την παραδοσιακή λογιστική παλινδρόμηση. Αρχικά παρουσιάζονται κάποιες βασικές αρχές του χώρου του Statistical Learning, ώστε κάποιες έννοιες να είναι πιο οικείες στον αναγνώστη. Στη συνέχεια, παρουσιάζονται τα κριτήρια με βάση τα οποία θα πραγματοποιηθεί η σύγκριση μεταξύ των μεθόδων και ένα θεωρητικό και ιστορικό υπόβαθρο για κάθε μία από αυτές. Τέλος, γίνεται εφαρμογή σε τρία σετ πραγματικών δεδομένων, διαφορετικών ως προς την αναλογία παρατηρήσεων-ανεξάρτητων μεταβλητών, και αξιολόγηση των αποτελεσμάτων.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Γουνελάς Γεώργιος
- Gounelas Georgios
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3329948