dc.contributor.author | Śliwińska, Justyna | |
dc.date.accessioned | 2023-01-02T08:44:23Z | |
dc.date.available | 2023-01-02T08:44:23Z | |
dc.date.issued | 2023-01-02 | |
dc.identifier.issn | 2021/M/DS/12 | |
dc.identifier.uri | https://repin.pjwstk.edu.pl/xmlui/handle/186319/2050 | |
dc.description.abstract | W poniższej pracy przedstawiono zagadnienia dotyczące klasyfikatorów oraz zaprezentowano przykładowe działanie w praktyce. Zaprezentowano teorię dotycząca budowy i oceny modeli statystycznych. W części analitycznej zbudowano za pomocą języka programowania Python klasyfikatory drzewa decyzyjnego oraz k-najbliższych sąsiadów, używając danych z portalu UC Irvine Machine Learning Repository. Celem było przewidzenie czy pacjent o zadanych cechach jest zagrożony wystąpieniem niewydolności serca. | pl_PL |
dc.language.iso | other | pl_PL |
dc.relation.ispartofseries | ;Nr 6330 | |
dc.subject | Klasyfikatory | pl_PL |
dc.subject | drzewa decyzyjne | pl_PL |
dc.subject | metoda k-najbliższych sąsiadów | pl_PL |
dc.title | Zastosowanie narzędzi Data Science do analizy danych o niewydolności serca | pl_PL |
dc.type | Thesis | pl_PL |
Plik | Rozmiar | Format | Przeglądanie |
---|---|---|---|
Nie ma plików powiązanych z tą pozycją. |