Geri Dön

Experimental comparison of machine learning methods for preparingentries to kaggle machine learning competitions

Başlık çevirisi mevcut değil.

  1. Tez No: 712070
  2. Yazar: RUKİYE SAVRAN
  3. Danışmanlar: PROF. JOHN GAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Machine Learning, Supervised Learning, Classification Algorithms, Data Mining, Feature Extraction, Feature Selection, Kaggle Competition
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: University of Essex
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 100

Özet

Özet yok.

Özet (Çeviri)

Classification of observations is a common task of statistics and machine learning, either for analysis of data sets, or as a sub-goal of a more complex problem. Several machine learning methods, such as Naïve Bayes, support vector machine, decision trees, Artificial Neural Networks and k-Nearest Neighbours have been receiving remarkable attention in solving classification problems to predict unknown class labels. The major aim of this dissertation is to compare these classification methods by preparing entity for Kaggle competitions. In order to accomplish this, a novel system was developed. For each classification method, the optimal parameters were specified using one of the new system options which is hyper-parameter optimisation. Next, five different classifiers using the best parameters were trained with three competition training datasets and employed to predict unknown classes of test datasets. Submission files produced at the end of the prediction by the new system were evaluated by Kaggle. In this study, this system is illustrated, and the differences in performance are emphasised with the scores from crossvalidation and Kaggle.

Benzer Tezler

  1. Vücut yağ yüzdesi tahmini için özellik seçim yöntemlerinin karşılaştırılması

    Comparison of feature selection methods for estimation of body fat percentage

    ASUDE ALTIPARMAK BİLGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURHAN BARAKLI

  2. Duygu analizi problemi için geleneksel ve derin transfer makine öğrenmesi yöntemlerinin karşılaştırılması

    A comparison of traditional and deep transfer machine learning methods for the sentiment analysis problem

    NURAY YILDIZLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilim ve TeknolojiAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLŞAH TÜMÜKLÜ ÖZYER

  3. A deep learning based protein representation model forlow-data protein function prediction

    Az veri ile protein fonksiyon tahmini için derin öğrenmebazlı bir protein temsil modeli

    SERBÜLENT ÜNSAL

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Sağlık Bilişimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYBAR CAN ACAR

    DOÇ. DR. TUNCA DOĞAN

  4. A quantitative comparison of regression models on timely evolving datasets

    Zamanla değişen datalarda regresyon modellerinin nicel karşılaştırılması

    MİTHAT SİNAN ERGEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. KEZİBAN ORMAN

  5. İnsan hareketi izleme teknolojilerinin karşılaştırmalı değerlendirmesi

    Comparative assessment of human motion monitoring technologies

    CEMAL FATİH KUYUCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE