Srovnání správnosti klasifikace pomocí tradičních modelů a meta-modelů

Abstract

Tato práce se zabývá empirickým porovnáváním tradičních modelů a meta-modelů v úlohách klasifikace. Na 20 datových souborech je statisticky porovnána přesnost 12 modelů programu RapidMiner. V druhé části je popsána vlastnoručně naprogramovaná aplikace v programovacím jazyce C#, která implementuje 6 modelů. Čtyři z nich jsou porovnány s modely ekvivalentními modely programu RapidMiner.This thesis deals with empirical comparison of traditional and meta-learning models in classification tasks. Accuracy of 12 RapidMiner models was statistically compared on 20 data sets. Second part of this thesis consists of description of self-programed application in programing language C#, which implements 6 different models. Four of those are compared with equivalent models of program RapidMiner.