Comparison of Machine Learning Methods with Emphasis on Interpretable MeThods
| Thesis title: | Porovnání metod ML s důrazem na interpretovatelné metody |
|---|---|
| Author: | Šlechta, Jakub |
| Thesis type: | Diplomová práce |
| Supervisor: | Máša, Petr |
| Opponents: | Sýkora, Lukáš |
| Thesis language: | Česky |
| Abstract: | Tato práce je přehledovou studií interpretabilních metod strojového učení. V rámci práce jsou vybrané metody strojového učení testovány na určeném datasetu. Práce si klade za cíl jednak posouzení interpretovatelnosti vybraných metod a shrnutí jejich výhod a nevýhod z hlediska interpretovatelnosti. Práce je členěna do 7 kapitol, přičemž v rámci kapitoly číslo 5 je zpracována praktická část v podobě vytvoření modelů nad zmíněným datasetem. Součástí práce je taktéž teoretické představení každé z... show full abstract |
| Keywords: | Strojové učení; Dataset; Interpretabilita |
| Thesis title: | Comparison of Machine Learning Methods with Emphasis on Interpretable MeThods |
|---|---|
| Author: | Šlechta, Jakub |
| Thesis type: | Diploma thesis |
| Supervisor: | Máša, Petr |
| Opponents: | Sýkora, Lukáš |
| Thesis language: | Česky |
| Abstract: | This thesis is a study of interpretable machine learning methods. In this work, selected machine learning methods are tested on a specified dataset. The thesis aims at both assessing the interpretability of the selected methods and summarizing their advantages and disadvantages in terms of interpretability. The thesis is divided into 7 chapters, while the practical part in the form of creating models over the mentioned dataset is elaborated in chapter 5. The theoretical introduction of each meth... show full abstract |
| Keywords: | Machine Learning; Dataset; Interpretability |
Information about study
| Study programme: | Podniková informatika |
|---|---|
| Type of study programme: | Magisterský studijní program |
| Assigned degree: | Ing. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information and Knowledge Engineering |
Information on submission and defense
| Date of assignment: | 29. 9. 2022 |
|---|---|
| Date of submission: | 29. 6. 2023 |
| Date of defense: | 12. 9. 2023 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/82085/podrobnosti |