Demonstrační aplikace lineární logistické regrese
Loading...
Date
Authors
Bak, Adam
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
ORCID
Abstract
Táto bakalárska práca sa zaoberá lineárnou logistickou regresiou, modelom pre strojové učenie. Cieľom tejto práce je podrobne preskúmať a zanalyzovať ako tento klasifikačný model funguje, aby bolo možné vyvinúť učebnú pomôcku vo forme demonštračnej aplikácie. Všetky matematické rovnice, logistická sigmoida, chybová funkcia vzájomnej entropie, metóda najväčšieho spádu sú odvodené a podrobne vysvetlené. Táto práca tiež prináša náhľad do tvaru grafu chybovej funkcie vzájomnej entropie v prípade lineárnej logistickej regresie.
This bachelor's thesis deals with the machine learning model logistic regression.The aim is to closely inspect and analyze the workings of this model for classification, in order to be able to provide a learning tool in the form of demonstrative application. All of the mathematical formulae, logistic sigmoid, cross entropy error function and gradient are derived and explained in a concise manner. This thesis also provides some insight into the form of the cross entropy error function in the case of linear logistic regression.
This bachelor's thesis deals with the machine learning model logistic regression.The aim is to closely inspect and analyze the workings of this model for classification, in order to be able to provide a learning tool in the form of demonstrative application. All of the mathematical formulae, logistic sigmoid, cross entropy error function and gradient are derived and explained in a concise manner. This thesis also provides some insight into the form of the cross entropy error function in the case of linear logistic regression.
Description
Keywords
strojové učenie , logistická regresia , klasifikácia , generalizované lineárne modely , pravdepodobnostno generatívne modely , logistická sigmoida , chybová funkcia vzájomnej entropie , metóda najväčšieho spádu , machine learning , logistic regression , classification , generalized linear models , probabilistic generative models , logistic sigmoid , cross entropy error function , gradient descent
Citation
BAK, A. Demonstrační aplikace lineární logistické regrese [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Dr. Ing. Jan Černocký (předseda)
doc. Ing. Jiří Jaroš, Ph.D. (místopředseda)
doc. RNDr. Michal Novák, Ph.D. (člen)
Ing. Filip Orság, Ph.D. (člen)
RNDr. Marek Rychlý, Ph.D. (člen)
Date of acceptance
2018-06-12
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm "B". Otázky u obhajoby: 1. The application you developed only works for 2 dimensional data. Would you be able to make it work for higher dimensional, with the plot of cross entropy loss function in 2D
Result of defence
práce byla úspěšně obhájena