| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
CART bāzētu modeļu sarežģītības samazināšanas metožu novērtējums sintētiskiem un dabiskiem datiem |
| Nosaukums angļu valodā |
CART Based Model Complexity Reduction Methods Assessment for Synthethic and Real Data |
| Struktūrvienība |
12300 Lietišķo datorsistēmu institūts |
| Darba vadītājs |
Vita Šakele |
| Recenzents |
Jānis Dāboliņš, Lietišķo datorsistēmu institūta pētnieks |
| Anotācija |
Mākslīgā intelekta sistēmu risinājumu ieviešana ir saskārusies ar problēmu, ka noteiktās nozarēs pats svarīgākais kritērijs nav modeļa veiktspēja, bet modeļa izskaidrojamība. CART (Classification and regression trees, klasifikācijas un regresijas koki) modeļiem piemīt veiktspējas un izskaidrojamības kompromiss. Darbā ir analizēts, vai eksistē sarežģītības samazināšanas metodes, ar kurām CART modeļi ir spējīgi saglabāt izskaidrojamību, nezaudējot veiktspēju, vai saglabāt veiktspēju, iegūstot paaugstinātu izskaidrojamību.
Darbā eksperimentāli novērtēta mainīgo izvēles metožu efektivitāte CART modeļiem un definēto metožu piemērotība dažādām situācijām.
Darba pamattekstā ir 53 lappuses, 16 attēli, 8 tabulas, 66 informācijas avoti un 3 pielikumi. |
| Atslēgas vārdi |
CART, MAINĪGO IZVĒLES METODES, LĒMUMU KOKI, IZSKAIDROJAMĪBA, SAREŽĢĪTĪBA |
| Atslēgas vārdi angļu valodā |
CART, FEATURE SELECTION METHODS, DECISION TREES, EXPLAINABILITY, COMPLEXITY |
| Valoda |
lv |
| Gads |
2021 |
| Darba augšupielādes datums un laiks |
06.09.2021 23:19:32 |
