Νέα μεθοδολογία για την ανάλυση δεδομένων με τη χρήση τεχνικών επιβλεπόμενης και μη επιβλεπόμενης εκμάθησης

Abstract

Σκοπός αυτής της διπλωματικής εργασίας είναι η κατασκευή μοντέλων πρόβλεψης βασισμένα σε τέσσερα διαφορετικά σύνολα δεδομένων με την χρήση διάφορων αλγορίθμων κατηγοριοποίησης και παλινδρόμησης, που έχουν υλοποιηθεί με την γλώσσα προγραμματισμού Python και με τη βιβλιοθήκη μηχανικής μάθησης Scikit- learn. Παράλληλα γίνεται σύγκριση των παραπάνω μοντέλων , με μια προτεινόμενη μεθοδολογία που συνδυάζει αλγορίθμους εποπτευόμενης και μη εποπτευόμενης μάθησης μαζί με μια μέθοδο επιλογής χαρακτηριστικών. Η αλγόριθμοι που θα χρησιμοποιηθούν είναι: 1. Νευρωνικά δίκτυα (Multilayer Perceptron), 2. Δέντρα απόφασης (Decision Trees) 3. Λογιστική παλινδρόμηση (Logistic Regression) 4. Γραμμική παλινδρόμηση (Linear Regression) 5. Αλγόριθμος Κ-μέσων (K-Means) Όλα τα σύνολα δεδομένων που θα χρησιμοποιηθούν, μπορούν να βρεθούν στην σελίδα του UC Irvine Machine Learning Repository. Η έκδοση της βιβλιοθήκης Scikit- learn που θα χρησιμοποιηθεί στο σύνολο της εργασίας είναι η 0.22.1 .